Wstep do teorii mnogo´sci - mimuw.edu.plurzy/Wtm/wtm.pdf · jezyka teorii mnogo´sci. Aksjomat podzbiorow, zwany tez˙ aksjomatem wycinania, nie jest, w la´sciwie pojedynczym aksjomatem
Post on 01-Mar-2019
224 Views
Preview:
Transcript
Wstep do teorii mnogosci
Materia ly do wyk ladu dla 1 roku informatykihttp://www.mimuw.edu.pl/∼urzy/wtm.html
Pawe l Urzyczynurzy@mimuw.edu.pl
2001–2006
Po co komu teoria mnogosci
Fryderyk Engels definiowa l matematyk e jako dziedzin e zajmuj ac a si e ”stosunkami ilos-
ciowymi i formami przestrzennymi swiata rzeczywistego”. Definicja ta jest trafna w odniesie-niu do pewnych tradycyjnych dzia low dawnej matematyki (arytmetyka, geometria), ktoreuprawiane by ly w oparciu o praktyczn a obserwacj e rzeczywistosci i podlega ly stosunkowo latwej weryfikacji poprzez doswiadczenie. Wspo lczesna matematyka, rowniez ta, ktorejzadaniem jest opis procesow obliczeniowych, pos luguje si e cz esto modelami abstrakcyjnymi,ktorych zwi azek z obserwowaln a rzeczywistosci a jest mniej bezposredni. A poniewaz naszaintuicja, pozbawiona obserwacyjnej weryfikacji, bywa zawodna, matematyka od dawnapolega na rygorystycznej scis losci rozumowan, opieraj acych si e na mozliwie najmniejszejliczbie poj ec pierwotnych i aksjomatow.
Poj ecie zbioru okazuje si e tutaj niezwykle uzyteczne. Przy ca lej swojej prostocie, pozwalana latwe definiowanie w scis ly sposob wielu innych poj ec matematycznych. Dlatego pos lugu-jemy si e j ezykiem teorii mnogosci (mnogosc to po prostu zbior) dla formu lowania i badaniarozmaitych teorii matematycznych.
Matematycy, w sposob mniej lub bardziej jawny, pos lugiwali si e zbiorami od dawna. Teoriamnogosci jako odr ebna dziedzina powsta la w XIX wieku, a za jej tworc e uwaza sie zwykleGeorga Cantora. Poda l on tak a ”
definicj e” zbioru:
Zbiorem nazywamy zgromadzenie w jedn a ca losc wyraznie wyroznionych przedmiotownaszej intuicji lub naszej mysli.
Najwazniejsz a rzecz a w tej definicji jest nast epuj ace za lozenie. Jesli tylko potrafimy wy-odr ebnic pewne przedmioty za pomoc a jakiegos kryterium K(x), to te przedmioty tworz adobrze okreslony zbior x | K(x). Wed lug Cantora, zbior jest wi ec upostaciowieniem
kryterium, ktore go definiuje (poprzez okreslenie jego elementow). W gruncie rzeczyzbior jest pewnym skrotem myslowym: zamiast myslec i mowic o wszystkich przedmio-tach x, spe lniaj acych kryterium K(x), wygodniej rozwazac tylko jeden przedmiot, w lasniezbior x | K(x).
Na co dzien zbiory s luz a nam w lasnie do tego. Ale jesli raz zgodzilismy si e traktowac zbiorytak jak wszystkie inne przedmioty, musimy si e tez zgodzic na konsekwencje, na przyk lad nazbiory zbiorow. W
”naiwnej” teorii mnogosci mozna na przyk lad rozwazac zbior wszystkich
zbiorow: Z = x | x jest zbiorem. Oczywiscie taki zbior jest swoim w lasnym elementem(co zapiszemy tak: Z ∈ Z). To jeszcze nic z lego, ale co pocz ac z takim zbiorem:
R = x | x jest zbiorem i x 6∈ x ?
Niebezpieczne pytanie: czy R ∈ R? Jesli R ∈ R, to R musi spe lniac warunek R 6∈ R.A jesli R 6∈ R, to warunek definiuj acy zbior nie moze byc spe lniony i mamy R ∈ R. Takczy owak, jest zle!
Powyzsze rozumowanie, zwane antynomi a Russella, wskazuje na to, ze”naiwne” poj-
mowanie zbiorow prowadzi do sprzecznosci. Nie mozna uprawiac abstrakcyjnej matematykiopieraj ac si e wy l acznie na niedoskona lej ludzkiej intuicji. Ale nie wynika st ad, ze ca la teo-ria zbiorow jest bezuzyteczna. Trzeba j a tylko tak zmodyfikowac, ograniczyc, zeby niegrozi ly nam antynomie. Jak to zrobic? Zastosujemy metod e aksjomatyczn a. Ograniczymysi e do niewielkiej liczby elementarnych w lasnosci zbiorow, a z nich b edziemy wnioskowaco innych w lasnosciach. Jesli dobrze wybierzemy aksjomaty, to uda si e unikn ac sprzecznoscia jednoczesnie zachowac z
”naiwnej” teorii mnogosci to, co pozyteczne.
1 Aksjomaty teorii mnogosci
Uzywamy nast epuj acych symboli na oznaczenie spojnikow zdaniowych: znak ∧ oznaczakoniunkcj e, ∨ oznacza alternatyw e, ¬ to negacja, → to implikacja i wreszcie ↔ to row-nowaznosc. Kwantyfikatory czytamy tak:
”∀x” to
”dla kazdego x” a
”∃x” to
”istnieje
takie x, ze”. Stosujemy nast epuj ace priorytety:
1. negacja i kwantyfikatory,
2. koniunkcja i alternatywa,
3. implikacja.
Na przyk lad w ∀xA(x)∨B → C domyslne nawiasy s a takie: ((∀xA(x)) ∨B)→ C. W szcze-golnosci kwantyfikator dotyczy tylko A(x). A wyrazenie A ∨B ∧ C jest niepoprawne.
Napis”x = y” oznacza, ze x i y s a nazwami tego samego przedmiotu.
Napis”x ∈ y” czytamy
”x jest elementem y” lub
”x nalezy do y”.
2
J ezyk, ktorym b edziemy si e pos lugiwac, sk lada si e z symboli logicznych, i znakow rownoscii nalezenia. Wszystkie dodatkowe oznaczenia, ktore wprowadzimy, b ed a w istocie skrotamistosowanymi dla wygody. Na przyk lad, zamiast
”¬x ∈ y” i
”¬x = y” b edziemy cz esto pisac
odpowiednio”x 6∈ y” i
”x 6= y”.
Wyrazenie ∀x∈aW (x) oznacza to samo, co ∀x (x ∈ a → W (x)), a wyrazenie ∃x∈aW (x)jest skrotem dla ∃x (x ∈ a ∧W (x)). Zamiast ∀x∀y . . . piszemy ∀x, y . . . itd.
Zauwazmy, ze w naszym j ezyku nie ma specjalnego oznaczenia na stwierdzenie”x jest
zbiorem”. Wynika to z nast epuj acego wygodnego za lozenia: skoro i tak mowimy przedewszystkim o zbiorach, to tak naprawd e nie ma potrzeby rozwazania nic innego niz zbiory.Elementy zbiorow to tez zbiory. Nie musimy interesowac si e ich elementami, jesli niema takiej potrzeby. Ta konwencja moze si e wydawac dziwna, ale jest wygodnym up-roszczeniem. Nic przez to nie tracimy, bo w razie potrzeby mozna rozne rzeczy, np. liczby,zdefiniowac jako pewne specyficzne zbiory.
Najwazniejszy aksjomat
Najwazniejszy aksjomat to aksjomat jednoznacznosci , zwany takze aksjomatem eksten-sjonalnosci . Stwierdza on, ze zbior jest jednoznacznie wyznaczony przez wskazanie jegoelementow. Sposob, w jaki okreslamy elementy zbioru (np. porz adek, powtorzenia) nie maznaczenia, wazne jest jedynie to, czy dany przedmiot nalezy do naszego zbioru, czy nie.Wyrazamy t e w lasnosc tak:
1.1 (Aksjomat jednoznacznosci)
∀x∀y(x = y ↔ ∀z(z ∈ x↔ z ∈ y))
Aby udowodnic, ze dwa zbiory a i b s a rowne, post epujemy wi ec zwykle tak: pokazujemy,ze kazdy element zbioru a nalezy tez do b, a kazdy element zbioru b nalezy tez do a.
Mowimy, ze zbior x jest zawarty w zbiorze y (lub, ze jest jego podzbiorem) wtedy i tylkowtedy, gdy zachodzi warunek ∀z(z ∈ x → z ∈ y). Piszemy wowczas
”x ⊆ y”. Uzywamy
tez nast epuj acych skrotow:
”x 6⊆ y” oznacza
”¬x ⊆ y”;
”x y” oznacza
”x ⊆ y ∧ x 6= y”.
Fakt 1.2 ∀x∀y(x = y ↔ x ⊆ y ∧ y ⊆ x).
A zatem rownosc zbiorow to ich wzajemne zawieranie.
Uwaga: Nalezy odrozniac zawieranie (⊆) od nalezenia (∈).
3
Najwazniejszy zbior
Najwazniejsze rzeczy s a zawsze najprostsze. Najprostszy jest taki zbior, ktory nie maelementow.
1.3 (Aksjomat zbioru pustego)
∃x∀y(y 6∈ x)
Zbior x o w lasnosci ∀y(y 6∈ x) nazywamy zbiorem pustym. Istnieje tylko jeden zbior pusty.
Fakt 1.4 Jesli zbiory x1 i x2 s a puste, to x1 = x2.
Dowod: Przypuscmy, ze ∀y(y 6∈ x1) oraz ∀y(y 6∈ x2). Wtedy
∀y(y ∈ x1 ↔ y ∈ x2)
co oznacza (z jednoznacznosci), ze x1 = x2.
Zbior pusty oznaczamy symbolem ∅.
Operacje na zbiorach
Zdefiniujemy teraz kilka operacji na zbiorach. Dla porz adku, poprawnosc tych operacji,tj. istnienie odpowiednich zbiorow, musimy postulowac aksjomatami. Aksjomaty ponizejmaj a tak a postac:
”dla dowolnych zbiorow x, y, . . . istnieje zbior z, ktory ma dok ladnie
takie a takie elementy.” Z jednoznacznosci zawsze wynika, ze taki zbior z jest tylko jeden.
1.5 (Aksjomat pary)
∀x∀y∃z∀t(t ∈ z ↔ (t = x ∨ t = y))
Aksjomat pary czytamy tak: dla dowolnych x, y istnieje zbior z, ktorego elementami s ax, y i nic wi ecej. Taki zbior jest tylko jeden (por. Fakt 1.4) i oznaczamy go przez x, y.Zauwazmy, ze x, y = y, x.
Zbior x, x zapisujemy po prostu jako x. Ogolniej, zbior o elementach x1, . . . , xn zapisu-jemy jako x1, . . . , xn. Kolejnosc elementow na liscie i ich powtorzenia nie maj a znaczenia,np. a, b = b, b, a.
Uwaga: Pami etajmy, ze ∅ 6= ∅.
4
1.6 (Aksjomat sumy)
∀x∃y∀z(z ∈ y ↔ ∃t(z ∈ t ∧ t ∈ x))
Aksjomat sumy mowi, ze dla dowolnego zbioru x istnieje zbior y z lozony dok ladnie z tychi tylko tych przedmiotow, ktore s a elementami elementow zbioru x. Na mocy jednoznacz-nosci, taki zbior y jest tylko jeden. Oznaczamy go przez
⋃x i nazywamy sum a uogolnion a
rodziny zbiorow x. (Okreslenie”rodzina zbiorow” oznacza w zasadzie to samo co
”zbior”.
Uzywamy go wtedy, gdy chcemy podkreslic, ze elementy zbioru x to tez zbiory.) Mora l dozapami etania:
z ∈⋃x↔ ∃t(z ∈ t ∧ t ∈ x).
Cz esto stosujemy notacj e indeksowan a, np.⋃n
i=1Ai =⋃A1, . . . , An. Zwyk la suma dwoch
zbiorow jest tez szczegolnym przypadkiem sumy uogolnionej. Definiujemy j a tak:
x ∪ y =⋃x, y
Fakt 1.7 Dla dowolnych x, y, z:
(1) z ∈ x ∪ y ↔ (z ∈ x ∨ z ∈ y);
(2) z 6∈ x ∪ y ↔ (z 6∈ x ∧ z 6∈ y).
Dowod: Oczywiscie wystarczy udowodnic cz esc (1), bo cz esc (2) wynika z niej przezproste zastosowanie prawa De Morgana.
(⇒) Niech z ∈ x∪y. Poniewaz x∪y =⋃x, y, oznacza to, ze z ∈ t dla pewnego t ∈ x, y.
Ale wtedy albo1 t = x albo t = y. Zatem z ∈ x lub z ∈ y.
(⇐) Mamy dwa przypadki. Przypuscmy najpierw, ze z ∈ x. Skoro x ∈ x, y, to z ∈⋃x, y z definicji sumy. Przypadek z ∈ y jest analogiczny.
1.8 (Aksjomat potegi)
∀x∃y∀z(z ∈ y ↔ z ⊆ x)
Aksjomat pot egi stwierdza, ze dla dowolnego x istnieje zbior z lozony ze wszystkich podzbiorowzbioru x. Oczywiscie jest dok ladnie jeden taki zbior. B edziemy go oznaczac przez P(x).Zapami etajmy rownowaznosc:
z ∈ P(x)↔ z ⊆ x
Na przyk lad P(∅) = ∅, P(∅) = ∅, ∅ oraz P(a, b) = ∅, a, b, a, b. Ele-mentami zbioru P(x) s a zawsze ∅ i x.
1Nie ma roznicy pomi edzy ”lub” i ”albo”. W obu przypadkach mamy na mysli zwyk l a alternatyw e.
5
1.9 (Aksjomat podzbiorow (wycinania))
Jezeli W (z) jest dowolnym warunkiem (kryterium), to
∀x∃y∀z(z ∈ y ↔ (z ∈ x ∧W (z)))
Uzyte powyzej okreslenie”warunek” oznacza dowoln a w lasnosc z wyrazon a za pomoc a
j ezyka teorii mnogosci. Aksjomat podzbiorow, zwany tez aksjomatem wycinania, nie jestw lasciwie pojedynczym aksjomatem ale schematem aksjomatu. W istocie mamy po jednymaksjomacie dla dowolnego warunku W (z). Mowi on, ze dla dowolnego x istnieje zbiorz lozony z tych i tylko tych elementow zbioru x, ktore spe lniaj a warunek. Jak zwykle,aksjomat jednoznacznosci gwarantuje istnienie tylko jednego takiego zbioru. Zapisujemygo tak:
z ∈ x | W (z), lub tak: z ∈ x : W (z).Czasami jednak naduzywamy tej notacji, pisz ac na przyk lad a, b | a, b ∈ A zamiastpoprawnego t ∈ P(A) | ∃a, b ∈ A (t = a, b).
Uwaga dla dociekliwych: W tak zwanej teorii mnogosci Zermelo-Fraenkla (ZF) przyj-muje si e nieco silniejszy aksjomat zwany aksjomatem zast epowania. Nam on na razie niejest potrzebny.
Aksjomat wycinania jest przydatny przy definiowaniu rozmaitych zbiorow. Na przyk ladiloczyn uogolniony rodziny zbiorow x definiujemy tak:⋂
x = z ∈⋃x | ∀t(t ∈ x→ z ∈ t)
Fakt 1.10 Jesli x 6= ∅ to dla dowolnego z
z ∈⋂x↔ ∀t(t ∈ x→ z ∈ t).
Dowod: Cz esc (⇒) jest oczywista. W cz esci (⇐) wystarczy wykazac, ze z ∈⋃x. Ale
skoro x 6= ∅ to istnieje takie t, ze t ∈ x. Poniewaz ∀t(t ∈ x → z ∈ t), wi ec z ∈ t ∈ x.Zatem faktycznie z ∈
⋃x.
Uwaga: Za lozenie x 6= ∅ w Fakcie 1.10 jest istotne. Rzeczywiscie,⋂∅ = ∅. Tymczasem
warunek ∀t(t ∈ ∅ → z ∈ t) jest spe lniony przez dowolne z!
Iloczyn dwoch zbiorow definiujemy jako szczegolny przypadek iloczynu uogolnionego.
x ∩ y =⋂x, y.
Fakt 1.11 Dla dowolnych x, y, z:
(1) z ∈ x ∩ y ↔ (z ∈ x ∧ z ∈ y);
(2) z 6∈ x ∩ y ↔ (z 6∈ x ∨ z 6∈ y).
6
Dowod: Latwy.
Okreslimy jeszcze jedn a cz esto spotykan a operacj e na zbiorach: roznic e zbiorow :
x− y = z ∈ x | z 6∈ y
Uwaga: Cz esto mozna spotkac si e z poj eciem”dope lnienia” danego zbioru a, co zwykle
oznacza si e przez −a. To poj ecie ma sens wtedy, gdy wszystkie zbiory b ed ace przedmiotemrozwazan s a podzbiorami jednego ustalonego zbioru >, np. wtedy gdy interesuj a naswy l acznie zbiory punktow p laszczyzny. Wowczas dope lnieniem zbioru a ⊆ > (do zbioru >)nazywa si e roznic e >−a. Bez ustalonego zbioru > nie mozna mowic o operacji dope lnienia.
Regularnosc ∗
Dalsze aksjomaty teorii mnogosci b edziemy omawiac wtedy, kiedy b ed a nam potrzebne.Teraz jeszcze ciekawostka dla dociekliwych.
1.12 (Aksjomat regularnosci)
∀x(x 6= ∅ → ∃y((y ∈ x) ∧ (y ∩ x = ∅)))
Sens regularnosci jest taki: wprawdzie moze si e zdarzyc, ze v ∈ y ∈ x oraz v ∈ x, tj.element elementu x moze tez byc elementem x, ale zawsze musi byc takie y ∈ x, ktore niema juz elementow wspolnych z x. Wynika st ad na przyk lad to:
Fakt 1.13
∀z(z 6∈ z)
Dowod: Z aksjomatu regularnosci zastosowanego do zbioru z, wynika, ze z∩z = ∅,bo przeciez z jest jedynym elementem z. A zatem z 6∈ z, bo inaczej z ∩ z 6= ∅.
2 Relacje
W matematyce mamy do czynienia z najrozmaitszymi relacjami. Wiele z nich ma podobnew lasnosci. Aby jednak mowic o wspolnych cechach roznych relacji, nalezy najpierw od-powiedziec na pytanie co w ogole uwazamy za relacj e, powiedzmy dwuargumentow a. Dla
*Fragmenty oznaczone gwiazdk a s a przeznaczone dla dociekliwych.
7
naszych celow dostatecznie dobrym uscisleniem poj ecia relacji jest taka definicja: relacjato po prostu zbior wszystkich uporz adkowanych par tych przedmiotow, pomi edzy ktorymirelacja zachodzi. Istotnie, znaj ac ten zbior, wiemy w zasadzie wszystko o relacji. No dobrze,ale co to jest para uporz adkowana?
Definicja 2.1 Uporz adkowan a par a przedmiotow a i b nazywamy zbior:
〈a, b〉 = a, a, b
Definicja 2.1 moze si e wydawac dziwna. Zauwazmy jednak, ze to czego naprawd e oczeku-jemy od pary uporz adkowanej to nast epuj aca w lasnosc: para uporz adkowana powinna bycjednoznacznie wyznaczona przez swoje wspo lrz edne i ich kolejnosc. A nasza definicja mat e w lasnosc.
Lemat 2.2 Dla dowolnych a, b, x, y zachodzi rownowaznosc:
〈a, b〉 = 〈x, y〉 wtedy i tylko wtedy, gdy a = x i b = y.
Dowod: Implikacja z prawej do lewej jest oczywista. Dla dowodu implikacji z lewej doprawej przyjmijmy oznaczenia:
L = 〈a, b〉 = a, a, b oraz P = 〈x, y〉 = x, x, y,
i za lozmy, ze L = P . Poniewaz a ∈ L, wi ec a ∈ P , czyli a = x, lub a = x, y.W obu przypadkach x ∈ a, a wi ec a = x.
Pozostaje wykazac, ze b = y. Uwzgl edniaj ac rownosc a = x, mozemy teraz napisac
P = 〈x, y〉 = a, a, y.
Skoro L = P to takze⋃L =
⋃P , czyli a, b = a, y. St ad albo y = b (i dobrze) albo
y = a. Ale wtedy a, y = a = a, b, sk ad b ∈ a = y. A wi ec tez b = y.
Definicja 2.3 Iloczynem kartezjanskim zbiorow a i b nazywamy taki zbior a × b, ze dladowolnego t:
t ∈ a× b wtedy i tylko wtedy, gdy ∃u∃v(t = 〈u, v〉 ∧ u ∈ a ∧ v ∈ b).
Uwaga: Iloczyn kartezjanski a× b zawsze istnieje i jest dok ladnie jeden. Istotnie, moznago zdefiniowac tak: a× b = t ∈ P(P(a ∪ b)) | ∃u∃v(t = 〈u, v〉 ∧ u ∈ a ∧ v ∈ b).
8
Definicja 2.4 Dowolny podzbior r iloczynu kartezjanskiego a × b nazywamy relacj a2 ze
zbioru a w zbior b. Jesli a = b, to mowimy, ze r jest relacj a w zbiorze a.Piszemy czasami
”x r y” zamiast
”〈x, y〉 ∈ r”.
Uwaga: O relacji mozna mowic wtedy gdy wiadomo w jakim zbiorze jest okreslona.Inkluzja (zawieranie) dowolnych zbiorow nie jest relacj a. Ale dla dowolnej rodziny zbiorowR,zbior par
⊆R= 〈x, y〉 ∈ R×R | x ⊆ y
jest relacj a w zbiorze R. Dlatego mozna mowic o”relacji inkluzji w zbiorze R”.
Definicja 2.5 Pewne w lasnosci relacji dwuargumentowych maj a swoje nazwy. Oto nie-ktore z nich. Mowimy, ze relacja r w zbiorze a jest
zwrotna gdy ∀x∈a (x r x)symetryczna gdy ∀x∈a∀y∈a (x r y → y r x)przechodnia gdy ∀x∈a∀y∈a∀z∈a(x r y ∧ y r z → x r z)
antysymetryczna gdy ∀x∈a∀y∈a (x r y ∧ y r x→ x = y)spojna gdy ∀x∈a∀y∈a (x r y ∨ y r x)
Na przyk lad relacja prostopad losci prostych na p laszczyznie jest symetryczna, ale niejest zwrotna, antysymetryczna, przechodnia ani spojna. Natomiast relacja rownoleg losciprostych jest zwrotna, przechodnia i symetryczna, ale nie jest antysymetryczna ani spojna.
Definicja 2.6 Relacj a odwrotn a do danej relacji r ⊆ a× b nazywamy zbior
r−1 = 〈y, x〉 | 〈x, y〉 ∈ r ⊆ b× a
Jesli r ⊆ a × b oraz s ⊆ b × c, to z lozeniem relacji r i s nazywamy relacj e (r ; s) ⊆ a × c,okreslon a tak:
x (r ; s) y wtedy i tylko wtedy, gdy ∃z ∈ b (x r z ∧ z s y).
3 Funkcje
Funkcja to szczegolny rodzaj relacji. Zatem takze funkcje s a w teorii mnogosci rozumianejako zbiory par argument-wartosc. Nie ma tu znaczenia jak dana funkcja jest zdefiniowana,a jedynie jakie wartosci s a przypisane poszczegolnym argumentom.
2Ograniczamy si e do relacji dwuargumentowych. Relacje trojargumentowe mozna definiowac np. jakopodzbiory iloczynow postaci (a× b)× c.
9
Definicja 3.1 Relacja f ⊆ a×b jest funkcj a ze zbioru a w zbior b (co zapisujemy f : a→ b)wtedy i tylko wtedy, gdy:
1) ∀x∈a∃y∈b (〈x, y〉 ∈ f);
2) ∀x∈a∀y∈b ∀z∈b (〈x, y〉 ∈ f ∧ 〈x, z〉 ∈ f → y = z).
Jedyny element y ∈ b spe lniaj acy warunek 〈x, y〉 ∈ f oznaczamy przez f(x). Zbior anazywamy dziedzin a funkcji f i oznaczamy przez Dom(f). Zbiorem wartosci funkcji fnazywamy zbior Rg(f) = y ∈ b | ∃x∈a f(x) = y. Zbior wszystkich funkcyj z a do boznaczamy przez ba.
Zauwazmy, ze aby jednoznacznie okreslic funkcj e f : a → b potrzeba i wystarcza okreslicwartosc f(x) dla dowolnego x ∈ a. Jesli f, g s a dwoma funkcjami z a w b, to:
f = g wtedy i tylko wtedy, gdy ∀x∈a f(x) = g(x);f 6= g wtedy i tylko wtedy, gdy ∃x∈a f(x) 6= g(x).
Warto tez sobie uswiadomic, ze jesli f jest dowolnym zbiorem par uporz adkowanych, spe l-niaj acym warunek (2) powyz ej, to f jest funkcj a z pewnego zbioru a w pewien zbior b. Do-ciekliwi latwo zauwaz a, ze dziedzina i zbior wartosci tej funkcji s a zawarte w zbiorze
⋃ ⋃f .
Definicja 3.2
• Funkcja f : a → b jest roznowartosciowa (notacja f : a1−1−→ b) wtedy i tylko wtedy,
gdy zachodzi warunek ∀x, y ∈ a (x 6= y → f(x) 6= f(y)), lub rownowaznie, gdy∀x, y ∈ a (f(x) = f(y)→ x = y).
• Funkcja f : a → b jest na b wtedy i tylko wtedy, gdy ∀y∈b ∃x∈a (f(x) = y), lubrownowaznie, gdy b = Rg(f). Uzywamy wtedy zapisu f : a
na−→ b.
• Funkcj e roznowartosciow a nazywamy tez injekcj a, funkcj e ”na” nazywamy surjekcj a,
a funkcj e, ktora jest roznowartosciowa i”na” nazywamy bijekcj a. W przypadku bi-
jekcji stosujemy notacj e f : a1−1−→na
b.
Przyk ladem funkcji roznowartosciowej jest f : P(A)1−1−→ P(A × A), okreslona wzorem
f(z) = z × z, dla z ⊆ A. Przyk ladami surjekcji s a rzutowania π1 : A × B → A orazπ2 : A× B → B okreslone rownaniami π1(〈x, y〉) = x i π2(〈x, y〉) = y. Zauwazmy jednak,ze kazda funkcja f jest surjekcj a na swoj zbior wartosci Rg(f).
10
Odwracanie i sk ladanie
Jezeli f : a1−1−→ b to relacj e f
−1 nazywamy funkcj a odwrotn a do funkcji f .
Fakt 3.3 Jesli f : a1−1−→ b, to f−1 : Rg(f)
1−1−→na
a.
Dowod: Na pocz atek zauwazmy, ze f−1 ⊆ Rg(f)×a, bo jesli 〈x, y〉 ∈ f−1 to 〈y, x〉 ∈ f ,wi ec y ∈ a oraz x = f(y) ∈ Rg(f).
Sprawdzamy warunki (1) i (2) Definicji 3.1.
1) Jesli x ∈ Rg(f), to x = f(y) dla pewnego y, wi ec 〈x, y〉 ∈ f−1.
2) Jesli 〈x, y〉 ∈ f−1 i 〈x, z〉 ∈ f−1, to x = f(y) i x = f(z), sk ad y = z, bo funkcja f jestroznowartosciowa.
Funkcja f−1 jest roznowartosciowa, bo gdyby f−1(x) = f−1(y) = z to x = f(z) = y. Jestona takze na a, bo dla dowolnego y ∈ a mamy y = f−1(f(y)).
Definicja 3.4 Niech f : a→ b oraz g : b→ c. Z lozeniem funkcji f i g nazywamy funkcj eg f : a→ c okreslon a rownaniem (g f)(x) = g(f(x)), dla dowolnego x ∈ a.
Uwaga: Jesli z lozenie g f jest okreslone, to g f = (f ; g).
Dowody ponizszych faktow pozostawione s a jako cwiczenie:
Fakt 3.5
1) Jesli f : a→ b, g : b→ c i h : c→ d, to h (g f) = (h g) f .
2) Jesli istnieje f−1 to f−1 f = idDom(f) oraz f f−1 = idRg(f).
3) Zawsze f idDom(f) = f = idRg(f) f .
Fakt 3.6
1) Jesli f : a1−1−→ b oraz g : b
1−1−→ c to g f : a1−1−→ c.
2) Jesli f : ana−→ b oraz g : b
na−→ c to g f : ana−→ c.
11
Definicja 3.7 Niech f : A → B. Obrazem zbioru C ⊆ A przy przekszta lceniu f nazy-wamy zbior
→f (C) = b ∈ B | ∃a ∈ C (f(a) = b).
Inaczej mozna napisac:
→f (C) = f(a) | a ∈ C.
A przeciwobrazem zbioru D ⊆ B przy przekszta lceniu f nazywamy zbior
→f −1(D) = a ∈ A | f(a) ∈ D.
Na przyk lad niech f : N→ P(N) b edzie funkcj a przyporz adkowuj ac a kazdej liczbie n ∈ Nzbior jej w lasciwych (roznych od 1 i od n) dzielnikow pierwszych, przy czym przyjmijmy, ze
zero nie ma dzielnikow pierwszych. Wtedy→f (1, 3, 4, 6, 9) = ∅, 2, 3, 2, 3, a jesli
P oznacza zbior liczb pierwszych, to→f (P ) = ∅. Natomiast
→f −1(2, 1, 2, 27, 36) =
2k | k ∈ N− 0, 1.
Uwaga: Oznaczenie→f −1(A) jest w istocie dwuznaczne. Moze tu chodzic o przeciwo-
braz A przy przekszta lceniu f lub o obraz A przy przekszta lceniu f−1 (jesli jest okreslone).Szcz esliwie, w obu wypadkach chodzi o ten sam zbior (cwiczenie).
Rodzina indeksowana i produkt uogolniony
O rodzinie indeksowanej Att∈T mowimy wtedy, gdy rozwazamy pewne obiekty (zbiory)At
indeksowane elementami zbioru T , a przy tym mozliwe s a powtorzenia. Chcemy bowiemodroznic rodzin e indeksowan a od zbioru At | t ∈ T. Najprosciej jest przyj ac, ze rodzinaindeksowana to po prostu odpowiednia funkcja.
Definicja 3.8 Rodzin a indeksowan a Att∈T nazywamy tak a funkcj e A, ze Dom(A) = Toraz A(t) = At, dla dowolnego t ∈ T .
Iloczyn kartezjanski (produkt) A × B zdefiniowalismy jako zbior par. Produkt trzechzbiorow mozna zdefiniowac na przyk lad jako (A×B)× C. Podobnie dla czterech i wi ecejzbiorow. Elementami produktu skonczonej liczby zbiorow s a wi ec krotki odpowiedniej d lu-gosci. O takich krotkach mozna myslec jak o ci agach skonczonych. To podsuwa pomys ljak mozna zdefiniowac produkt rodziny zbiorow indeksowanej liczbami naturalnymi: pro-duktem rodziny Ann∈N powinien byc zbior wszystkich ci agow nieskonczonych a0, a1, . . .spe lniaj acych warunek an ∈ An dla dowolnego n ∈ N. No dobrze, ale co to jest
”ci ag
nieskonczony”? Funkcja o dziedzinie N. Po tej obserwacji ponizsza definicja powinna bycoczywista.
12
Definicja 3.9 Produktem uogolnionym (lub po prostu”produktem” albo
”iloczynem kar-
tezjanskim”) rodziny indeksowanej Att∈T nazywamy zbior∏t∈T At = f ∈ P(T ×
⋃t∈T At) | (f : T →
⋃t∈T At) ∧ (∀t ∈ T (f(t) ∈ At)
Zapiszmy inaczej to, co najwazniejsze w tej definicji:
f ∈∏
t∈T At ⇔ f jest funkcj a, Dom(f) = T oraz ∀t ∈ T (f(t) ∈ At)
Pewnik wyboru
Definicja 3.10 Niech X b edzie dowoln a rodzin a zbiorow. Zbior S ⊆⋃X nazywamy
selektorem dla rodziny X, jezeli S ma dok ladnie po jednym elemencie wspolnym z kazdymzbiorem rodziny X, tj.:
∀a ∈ X∃t ∈ a (S ∩ a = t).
Funkcja f : X →⋃X jest funkcj a wyboru dla X, jesli f(a) ∈ a dla dowolnego a ∈ X.
Na przyk lad zbior 1, 3, 4 jest selektorem dla rodziny 1, 2, 3, 5, 4, 5, a rodzina1, 2, 1, 2 nie ma selektora.
3.11 (Aksjomat wyboru)
Dla dowolnej rodziny niepustych zbiorow parami roz l acznych3 istnieje selektor.
Nast epuj ace twierdzenie jest alternatywnym sformu lowaniem aksjomatu wyboru.
Twierdzenie 3.12 Dla dowolnej rodziny X zbiorow niepustych istnieje funkcja wyboru.
Dowod: Rozpatrzmy funkcj e F : X → P(X ×⋃X), okreslon a warunkiem F (a) =
a × a, dla a ∈ X. Niech Y = Rg(F ), tj Y = a × a | a ∈ X. Poniewaz X jestrodzin a zbiorow niepustych, wi ec takze Y jest rodzin a zbiorow niepustych. Co wi ecej,zbiory nalez ace do Y s a parami roz l aczne. (Jesli bowiem t ∈ (a × a) ∩ (b × b) tot = 〈a, ξ〉 = 〈b, ν〉 dla pewnych ξ ∈ a ∈ X i ν ∈ b ∈ X. Ale wtedy a = b na mocyLematu 2.2, wi ec a × a = b × b.)
A zatem rodzina Y ma selektor S. Udowodnimy, ze S jest funkcj a wyboru dla X. W tymcelu sprawdzimy warunki wymienione w Definicji 3.1.
3Mowimy, ze rodzina R jest roz l aczna lub jest rodzin a zbiorow parami roz l acznych, gdy zachodziwarunek ∀a, b ∈ R(a 6= b→ a ∩ b = ∅).
13
Na pocz atek zauwazmy, ze S ⊆ X×⋃X. Istotnie, S ⊆
⋃Y , jesli wi ec t ∈ S to t ∈ a×a,
dla pewnego a ∈ X. Wtedy t = 〈a, ρ〉 dla pewnego ρ ∈ a, a wi ec t ∈ X ×⋃X, bo
ρ ∈ a ∈ X.
Dalej nietrudno stwierdzic, ze zachodzi nast epuj acy warunek (nieco silniejszy niz (1) w De-finicji 3.1):
1) ∀a ∈ X∃µ ∈ a (〈a, µ〉 ∈ S)
Rzeczywiscie, jesli a ∈ X to a× a ∈ Y wi ec jest t ∈ S ∩ (a× a). Ale wtedy t musi bycpostaci 〈a, µ〉.
Ponadto mamy:
2) ∀a ∈ X∀σ, τ (〈a, σ〉 ∈ S ∧ 〈a, τ〉 ∈ S → σ = τ),
a to dlatego, ze pary 〈a, σ〉 i 〈a, τ〉 nalez ace do jednoelementowego zbioru S ∩ (a × a)musz a byc rowne.
A zatem nasz selektor jest funkcj a z X do⋃X. Z warunku (1) powyzej wynika, ze zawsze
S(a) ∈ a, wi ec S jest funkcj a wyboru.
Pewnik wyboru czasami budzi kontrowersje ze wzgl edu na niektore swoje zaskakuj ace kon-sekwencje. Ale nast epuj ace dwa twierdzenia stanowi a przyk lady intuicyjnie oczywistychfaktow, ktorych dowody wymagaj a uzycia tego aksjomatu.
Twierdzenie 3.13 Jesli Att∈T jest rodzin a indeksowan a zbiorow niepustych, to produktΠt∈TAt jest niepusty.
Dowod: Niech ϕ b edzie funkcj a wyboru dla At | t ∈ T i niech f : T →⋃At | t ∈ T
b edzie okreslona przez rownanie f(t) = ϕ(At), dla t ∈ T . Oczywiscie f ∈∏
t∈T At.
Twierdzenie 3.14 Jesli A 6= ∅, to nast epuj ace warunki s a rownowazne:
1) Istnieje funkcja f : A1−1−→ B;
2) Istnieje funkcja g : Bna−→ A.
Dowod: (1)⇒(2): Skoro A 6= ∅, to mamy jakis element α ∈ A. A skoro funkcja f
jest roznowartosciowa, to istnieje funkcja odwrotna f−1 : Rg(f)1−1−→na
A. Mozemy wi ec tak
zdefiniowac g(b), dla b ∈ B:
g(b) =
f−1(b), jesli b ∈ Rg(f);α, w przeciwnym przypadku.
14
(2)⇒(1): Dla a ∈ A, niech Fa = g−1(a). Zbiory Fa s a niepuste, wi ec produkt Πa∈AFa
jest niepusty, czyli istnieje funkcja f : A → B (zauwazmy, ze⋃
a∈A Fa ⊆ B). Ta funkcjajest roznowartosciowa bo zbiory g−1(a) s a roz l aczne.
4 Relacje rownowaznosci
Relacja rownowaznosci jest zazwyczaj zadana przez jakies kryterium klasyfikacji przed-miotow ze wzgl edu na pewn a cech e. Przedmioty s a w relacji jesli maj a t e cech e wspoln a, tj.kryterium ich nie rozroznia. Zwykle prowadzi to do utozsamiania przedmiotow
”nierozroz-
nialnych” i tworzenia poj ec abstrakcyjnych, np.”wektor swobodny”,
”kierunek”. W tym
przypadku s lowo”abstrakcja” nalezy rozumiec jako oderwanie od pozosta lych cech przed-
miotow, ktore s a nieistotne z punktu widzenia naszego kryterium.
Definicja 4.1 Relacja r w zbiorze a jest relacj a rownowaznosci wtedy i tylko wtedy, gdyjest zwrotna, symetryczna i przechodnia (Definicja 2.5), to jest:
• ∀x∈a (x r x);
• ∀x∈a∀y∈a (x r y → y r x);
• ∀x∈a∀y∈a∀z∈a(x r y ∧ y r z → x r z).
Klas a abstrakcji relacji r wyznaczon a przez element x ∈ a nazywamy zbior
[x]r = y ∈ a | x r y.
Przyk ladami relacyj rownowaznosci s a rownoleg losc prostych, podobienstwo figur geome-trycznych, przystawanie wektorow. Skrajne przyk lady relacyj rownowaznosci w dowolnymzbiorze a to relacja identycznosciowa ida = 〈x, x〉 | x ∈ a i relacja pe lna (totalna) a× a.Szczegolnym przyk ladem jest j adro dowolnego przekszta lcenia f : a → b, czyli relacjaker(f) zadana przez
〈x, y〉 ∈ ker(f) ⇔ f(x) = f(y).
Fakt 4.2
1) Jesli r ⊆ A× A jest relacj a rownowaznosci w zbiorze A oraz x ∈ A to x ∈ [x]r.
2) Jesli r ⊆ A×A jest relacj a rownowaznosci w zbiorze A oraz x, y ∈ A to nast epuj acewarunki s a rownowazne:
a) x r y;
b) x ∈ [y]r;
15
c) y ∈ [x]r;
d) [x]r = [y]r;
e) [x]r ∩ [y]r 6= ∅.
Dowod: Cz esc (1) wynika natychmiast ze zwrotnosci relacji r. W cz esci (2) rownowaznoscwarunkow (a), (b) i (c) wynika wprost z tego, ze relacja jest symetryczna.
(a)⇒(d) Za lozmy, ze x r y i niech t ∈ [x]r. Wtedy x r t, wi ec z przechodniosci i symetriitakze y r t. A wi ec pokazalismy inkluzj e [x]r ⊆ [y]r. Inkluzji odwrotnej dowodzimy analog-icznie.
(d)⇒(e) Skoro x ∈ [x]r = [y]r, to x ∈ [x]r ∩ [y]r.
(e)⇒(a) Jesli t ∈ [x]r ∩ [y]r, to x r t oraz y r t. Z przechodniosci i symetrii wynika x r y.
Definicja 4.3 Zbior wszystkich klas abstrakcji relacji r oznaczamy przez a/r i nazywamyzbiorem ilorazowym relacji r.
Fakt 4.4 Kazda relacja rownowaznosci jest j adrem pewnego przekszta lcenia.
Dowod: Niech r ⊆ A × A b edzie relacj a rownowaznosci w zbiorze A. Rozpatrzmy
”naturaln a” surjekcj e κ : A→ A/r, okreslon a tak:
κ(a) = [a]r, dla a ∈ A.
Wowczas oczywiscie ker(κ) = r.
Definicja 4.5 Podzia lem zbioru A nazywamy dowoln a rodzin e P ⊆ P(A), ktora spe lniawarunki:
• ∀p∈P (p 6= ∅);
• ∀p, q∈P (p = q ∨ p ∩ q = ∅);
•⋃P = A, czyli ∀x∈A∃p∈P (x ∈ p).
Twierdzenie 4.6 (Zasada abstrakcji)
1) Jezeli r jest relacj a rownowaznosci w zbiorze A to A/r jest podzia lem zbioru A.
2) Jezeli P jest podzia lem zbioru A, to istnieje taka relacja rownowaznosci r w A, zeP = A/r.
16
Dowod: Cz esc (1) wynika latwo z Faktu 4.2. Dla dowodu cz esci (2), rozpatrzmy dowolnypodzia l P zbioru A i niech r b edzie tak a relacj a:
r = 〈x, y〉 ∈ A× A | ∃p∈P (x ∈ p ∧ y ∈ p)
Najpierw zauwazmy, ze r jest relacj a rownowaznosci. Zwrotnosc wynika z warunku⋃P = A,
a symetria wprost z definicji r. Pozostaje przechodniosc. Przypuscmy wi ec, ze x r y i y r z.Wtedy s a takie p, q ∈ P , ze x, y ∈ p oraz y, z ∈ q. Ale wtedy p ∩ q 6= ∅, wi ec p = q. Skorowi ec x ∈ p i z ∈ q = p, to x r z.
Nast epna obserwacja jest taka:
Jesli x ∈ p ∈ P to [x]r = p. (*)
Dla dowodu (*) przypuscmy, ze x ∈ p ∈ P i niech t ∈ [x]r. Wtedy x, t ∈ q dla pewnegoq ∈ P . Ale q = p bo x ∈ p ∧ q. Zatem t ∈ p i wykazalismy juz, ze [x]r ⊆ p. Na odwrot,jesli t ∈ p, to t r x (bo x ∈ p) wi ec t ∈ [x]r.
Teraz wreszcie pokazemy, ze P = A/r.
(⊆): Jesli p ∈ P , to p 6= ∅, wi ec jest x ∈ p. Wtedy p = [x]r na mocy (*), wi ec p ∈ A/r.
(⊇): Dla dowolnego x ∈ a istnieje takie p ∈ P , ze x ∈ p. Wtedy [x]r = p. A zatem kazdaklasa [x]r ∈ A/r nalezy do P .
5 Liczby naturalne
Podobno to Leopold Kronecker twierdzi l, ze liczby naturalne stworzy l Pan Bog, a reszt ewymyslili ludzie. Mimo ze poj ecie liczby naturalnej jest intuicyjnie oczywiste, matematy-cy od dawna usi lowali nadac mu bardziej precyzyjny charakter. Mozna to zrobic na dwasposoby: aksjomatycznie lub poprzez konstrukcj e. Z metod a aksjomatyczn a najcz esciejwi azemy nazwisko Giuseppe Peano. Aksjomaty Peano liczb naturalnych s a takie:
• Zero jest liczb a naturaln a.
• Kazda liczba naturalna ma nast epnik, ktory jest liczb a naturaln a.
• Liczby o tych samych nast epnikach s a rowne.
• Zero nie jest nast epnikiem zadnej liczby naturalnej.
• Jesli zero ma pewn a w lasnosc W , oraz
– z tego ze jakas liczba naturalna ma w lasnosc W wynika, ze jej nast epnik tez maw lasnosc W ,
to kazda liczba naturalna ma w lasnosc W .
17
Pomys l na definicj e liczb naturalnych, ktor a teraz podamy, pochodzi od Johna von Neu-manna. Liczb e naturaln a rozumiemy jako liczb e elementow pewnego zbioru skonczonego.A zatem jako definicj e np. liczby naturalnej 5 mozna przyj ac po prostu pewien ustalony,wzorcowy zbior o pi eciu elementach. Oczywiscie zero to musi byc zbior pusty. A pozosta leliczby najprosciej zdefiniowac tak: liczba naturalna to zbior wszystkich liczb mniejszychod niej. Nast epnikiem liczby n jest wtedy n ∪ n. A wi ec:
0 = ∅, 1 = ∅, 2 = ∅, ∅, 3 = ∅, ∅, ∅, ∅, . . .
Zeby jednak”zalegalizowac” istnienie zbioru wszystkich liczb naturalnych potrzebujemy
odpowiedniego aksjomatu.
Definicja 5.1 Kazdy zbior N , spe lniaj acy warunek
∅ ∈ N ∧ ∀z (z ∈ N → z ∪ z ∈ N)
nazywamy zbiorem induktywnym.
5.2 (Aksjomat nieskonczonosci) Istnieje zbior induktywny.
Tak sformu lowany aksjomat to jeszcze troch e za ma lo. Zbiorow induktywnych moze bycwiele i mog a one miec dodatkowe
”niepotrzebne” elementy. Nam jest potrzebny zbior
induktywny, ktory sk lada si e tylko z zera i tych rzeczy, ktore mozna z niego otrzymac przezstosowanie operacji nast epnika.
Lemat 5.3 Jesli R jest niepust a rodzin a zbiorow induktywnych, to⋂R jest zbiorem in-
duktywnym.
Dowod: Poniewaz ∅ ∈ N , dla dowolnego N ∈ R, to ∅ ∈⋂R. Przypuscmy, ze z ∈
⋂R.
Wtedy z ∈ N , a wi ec takze z ∪ z ∈ N , dla dowolnego N ∈ R. St ad z ∪ z ∈⋂R.
Twierdzenie 5.4 Istnieje (dok ladnie jeden) najmniejszy zbior induktywny, tj. taki zbiorinduktywny N, ze N ⊆ N dla dowolnego zbioru induktywnego N .
Dowod: Niech M b edzie dowolnym zbiorem induktywnym. Po lozmy
R = N ∈ P(M) | N jest induktywny
i niech N =⋂R. Na mocy Lematu 5.3, zbior N jest induktywny. Ponadto jest to najmniej-
szy zbior induktywny. Rzeczywiscie, przypuscmy, ze N jest induktywny. Wtedy iloczynN ∩M jest induktywny (znowu na mocy Lematu 5.3) i nalezy do rodziny R. A zatemN ∩M zawiera iloczyn tej rodziny, czyli N.
Na koniec zauwazmy jeszcze, ze najmniejszy zbior induktywny moze byc tylko jeden.Gdyby by ly dwa, to by si e nawzajem zawiera ly, a wi ec i tak by lby tylko jeden.
18
Definicja 5.5 Elementy zbioru N, o ktorym mowa w Twierdzeniu 5.4 nazywamy liczbaminaturalnymi. Funkcj e s : N→ N, okreslon a warunkiem s(n) = n ∪ n nazywamy nast ep-nikiem.
Twierdzenie 5.6 (Zasada indukcji)
Jesli A ⊆ N ma takie w lasnosci:
1) 0 ∈ A;
2) ∀n (n ∈ A→ s(n) ∈ A),
to A = N.
Dowod: Wtedy A jest induktywny, zatem N ⊆ A.
Fakt 5.7 Jesli n ∈ N to n ⊆ N.
Dowod: Skorzystamy z zasady indukcji (udowodnimy, ze zbior A = n ∈ N | n ⊆ Njest induktywny.)
1) Poniewaz 0 ∈ N, oraz 0 = ∅ ⊆ N wi ec 0 ∈ A.
2) Niech n ∈ A, czyli n ⊆ N (korzystamy z za lozenia indukcyjnego). Wtedy takzes(n) = n ∪ n ⊆ N, bo n ⊆ N i n ⊆ N.
Fakt 5.8 Jesli m ∈ n ∈ N to m ⊆ n.
Dowod: Udowodnimy, ze zbior A = n ∈ N | ∀m ∈ N (m ∈ n → m ⊆ n) jestinduktywny, tj. wykonamy dowod przez indukcj e ”
ze wzgl edu na n”.
1) Jesli m ∈ ∅ to”walkowerem”m ⊆ ∅ wi ec 0 = ∅ ∈ A.
2) Niech n ∈ A. Przypuscmy, ze m ∈ n ∪ n. Jesli m ∈ n to m ⊆ n z za lozeniaindukcyjnego, a jesli m ∈ n to m = n, czyli tez m ⊆ n.
Fakt 5.9 Jesli m,n ∈ N oraz s(m) = s(n) to m = n.
19
Dowod: Za lozmy, ze s(m) = s(n), czyli, ze m ∪ m = n ∪ n. Wtedy m ∈ n ∪ n,wi ec albo m ∈ n albo m = n. Na mocy Faktu 5.8, w obu przypadkach m ⊆ n. Podobniedowodzimy, ze n ⊆ m.
Mora l: Konstrukcja liczb von Neumanna spe lnia aksjomaty Peano, jest wi ec poprawn a
”implementacj a” poj ecia liczby naturalnej. Istotnie:
• 0 = ∅ ∈ N, bo N jest induktywny.
• Jesli n ∈ N to s(n) = n ∪ n ∈ N, bo N jest induktywny.
• Zero nie jest nast epnikiem, bo zbior n ∪ n jest zawsze niepusty.
• Nast epnik jest funkcj a roznowartosciow a, na mocy Faktu 5.9.
• Ostatni aksjomat jest spe lniony na mocy zasady indukcji 5.6.
Definiowanie przez indukcje
Definicja 5.10 Jesli f : A → B i C ⊆ A, to obci eciem funkcji f do zbioru C nazywamyfunkcj e f |C : C → B, okreslon a warunkiem f |C(x) = f(x), dla x ∈ C.
Twierdzenie 5.11
1) Istnieje dok ladnie jedna funkcja D : N× N→ N, spe lniaj aca warunki:
a) D(0,m) = m;
b) D(s(k),m) = s(D(k,m)),
dla dowolnych k,m ∈ N.
2) Istnieje dok ladnie jedna funkcja M : N× N→ N, spe lniaj aca warunki:
a) M(0,m) = 0;
b) M(s(k),m) = D(M(k,m),m).
dla dowolnych k,m ∈ N.
Dowod: * (1) Na potrzeby tego dowodu, przyjmijmy, ze funkcja D : A×N→ N, gdzie A ⊆ N, jest dobra,wtedy i tylko wtedy, gdy spe lnia warunki (a) i (b) dla dowolnych m ∈ N i takich k, ze s(k) ∈ A. Najpierwprzez indukcj e pokazemy, ze dla dowolnego n ∈ N istnieje dok ladnie jedna dobra funkcja Dn : s(n)×N→ N.
Oczywiscie funkcja D0 jest jednoznacznie okreslona warunkiem D0(0,m) = m. Za lozmy wi ec, ze istniejedobra funkcja Dn : s(n)× N→ N. Okreslamy funkcj e Ds(n) : s(s(n))× N→ N w ten sposob:
20
Ds(n)(k,m) =
Dn(k,m), jesli k ∈ s(n);s(Dn(n, m)), jesli k = s(n).
Ta funkcja jest dobra, co wynika z definicji i z za lozenia indukcyjnego o funkcji Dn. Przypuscmy, ze istniejejeszcze inna dobra funkcja D : s(s(n))×N→ N. Wtedy funkcja D|s(n)×N : s(n)×N→ N tez musi byc dobra.Z za lozenia indukcyjnego funkcje Dn i D|s(n)×N s a rowne, a st ad Ds(n)(k, m) = Dn(k, m) = D|s(n)×N(k, m)dla wszystkich k ∈ s(n). Ponadto Ds(n)(s(n),m) = s(Dn(n, m)) = s(D|s(n)×N(n, m)) = D(s(n),m)), wi ecfunkcje Ds(n) i D s a identyczne.
Okreslimy teraz funkcj e D : N× N→ N warunkiem
D(k, m) = Dk(k,m).
Sprawdzmy, ze ta funkcja jest dobra. Po pierwsze D(0,m) = D0(0,m) = m, po drugie D(s(k),m) =Ds(k)(s(k),m) = s(Dk(k, m)) = s(D(k,m)). Gdyby istnia la inna dobra funkcja D′ : N × N → N, tokazda z funkcji D′|s(n)×N : s(n) × N → N by laby dobra, a zatem identyczna z Dn. St ad, dla kazdego n,mielibysmy D′(n) = (D′|s(n)×N)(n) = Dn(n) = D(n).
(2) Dowod tej cz esci jest bardzo podobny do powyzszego.
Definicja 5.12 FunkcjeD iM , o ktorych mowa w Twierdzeniu 5.11, nazywamy odpowied-nio dodawaniem i mnozeniem liczb naturalnych. Zamiast D(k,m) piszemy k+m, a zamiastM(k,m) piszemy k ·m lub km.
Przyk lad 5.13 2 · 2 = 1 · 2 + 2 = (0 · 2 + 2) + 2 = (0 + 2) + 2 = 2 + 2 = s(1 + 2) =s(s(0 + 2)) = s(s(2)) = s(s(s(s(0)))) = 4.
Dodawanie i mnozenie s a przyk ladami funkcji, ktore mozna zdefiniowac za pomoc a tzw.rekursji prostej. Ogolny schemat rekursji prostej wygl ada tak:
f(0, n1, . . . , nk) = g(n1, . . . , nk);f(s(m), n1, . . . , nk) = h(m,n1, . . . , nk, f(m,n1, . . . , nk)).
Tutaj definiujemy funkcj e f przez indukcj e ze wzgl edu na pierwszy argument, z pomoc ajuz okreslonych funkcji g i h. Bardziej ogolny schemat definicji indukcyjnej jest taki (dlauproszczenia ograniczmy si e do funkcji dwuargumentowej):
f(m,n) = h(m,n, f |m×N),
gdzie h : N×N×P((N×N)×N))→ N. Chodzi tu o to, ze dla okreslenia f(m,n) moznakorzystac ze wszystkich wartosci f(k, r), gdzie k ∈ m i r ∈ N.
Definicja 5.14 Relacj e (nieostrej) nierownosci pomi edzy liczbami naturalnymi definiu-jemy za pomoc a dodawania:
m ≤ n wtedy i tylko wtedy, gdy ∃k(m+ k = n).
Nierownosc ostra jest poj eciem wtornym w stosunku do relacji ≤:
21
m < n wtedy i tylko wtedy, gdy m ≤ n ale m 6= n.
Nast epuj acy lemat b edzie nam potrzebny do opisania pewnych w lasnosci relacji ≤.
Lemat 5.15 Dla dowolnych liczb m, k, l ∈ N:
a) m+ (k + l) = (m+ k) + l;
b) Jesli m+ k = m to k = 0;
c) Jesli k + l = 0 to k = 0;
d) m+ 0 = m;
e) s(m) + k = m+ s(k);
f) m+ k = k +m.
Dowod: (a) Indukcja ze wzgl edu na m. Po pierwsze 0 + (k+ l) = (k+ l) = ((0 +k) + l),po drugie z warunku m+ (k + l) = (m+ k) + l wynika s(m) + (k + l) = s(m+ (k + l)) =s((m+ k) + l) = s(m+ k) + l = (s(m) + k) + l.
(b) Indukcja ze wzgl edu na m. Po pierwsze 0 + k = k, a wi ec warunek 0 + k = 0oznacza, ze k = 0. Po drugie rownosc s(m) + k = s(m) implikuje s(m + k) = s(m) (bos(m) + k = s(m+ k)). Zatem m+ k = m, a wi ec k = 0 z za lozenia indukcyjnego.
(c) Gdyby k + l = 0 i k 6= 0, to k = s(k′), dla pewnego k′. Zatem 0 = k + l = s(k′) + l =s(k′ + l) 6= 0, sprzecznosc.
(d) Indukcja ze wzgl edu na m. Po pierwsze 0 + 0 = 0 z definicji, po drugie s(m) + 0 =s(m+ 0) = s(m), wprost z za lozenia indukcyjnego.
(e) Indukcja ze wzgl edu nam. Po pierwsze s(0)+k = s(0+k) = s(k) = 0+s(k). Po drugie, zrownosci s(m)+k = m+s(k) wynika s(s(m))+k = s(s(m)+k) = s(m+s(k)) = s(m)+s(k).
(f) Indukcja ze wzgl edu nam. Dla m = 0 wynika natychmiast z cz esci (d). Krok indukcyjnywynika z cz esci (e): s(m) + k = s(m+ k) = s(k +m) = s(k) +m = k + s(m).
Lemat 5.16 Nast epuj ace warunki s a rownowazne dla dowolnych m,n ∈ N:
a) m < n;
b) ∃k(m+ k = n ∧ k 6= 0);
c) s(m) ≤ n;
22
d) m ∈ n.
Dowod: (a)⇒(b) Mamy m+ k = n ale m 6= n. Zatem k 6= 0 na mocy Lematu 5.15(d).
(b)⇒(c) Skoro m+ k = n i k 6= 0 to n = m+ s(k′) = s(m) + k′ dla pewnego k′. UzylismyLematu 5.15(e).
(c)⇒(d) Przez indukcj e ze wzgl edu na k pokazemy, ze dla dowolnych m i n, warunekn = s(m) + k implikuje m ∈ n. Jesli k = 0 to n = s(m) = m ∪ m, wi ec m ∈ n. Niechwi ec n = s(m) + s(k). Wtedy n = s(s(m) + k) = (s(m) + k) ∪ s(m) + k. Z za lozeniaindukcyjnego m ∈ s(m) + k ⊆ n.
(d)⇒(a) Indukcja ze wzgl edu na n. Jesli n = 0 to warunek m ∈ n nigdy nie zachodzi,mozemy wi ec smia lo twierdzic, ze kazdy element zera spe lnia warunek m < 0. Niech wi ecm < n dla wszystkich m ∈ n i przypuscmy, ze m ∈ s(n) = n ∪ n. Jesli m ∈ n toz za lozenia indukcyjnego mamy m < n, sk ad m+ k = n, dla pewnego k. Z Lematu 5.15(e)wynika, ze wtedy m + s(k) = s(m) + k = s(m + k) = s(n), a wi ec m < s(n) na mocycz esci (b) tego lematu. Jesli zas m = n to m < s(n) bo s(n) = s(0 + n) = s(0) + n =n+ s(0) = n+ 1. Uzylismy znowu Lematu 5.15(e).
Twierdzenie 5.17 Relacja ≤ jest zwrotna, przechodnia, antysymetryczna i spojna.4
Dowod: Zwrotnosc wynika wprost z Lematu 5.15(d).
Przechodniosc: przypuscmy, ze m ≤ n i n ≤ p. Wtedy m + k = n i n + l = p dlapewnych k, l. Zatem m+ (k+ l) = (m+ k) + l = n+ l = p, na mocy Lematu 5.15(a), wi ecm ≤ p.
Antysymetria: przypuscmy, ze m ≤ n i n ≤ m. Wtedy m + k = n i n + l = m dlapewnych k, l. Zatem m+ (k+ l) = (m+ k) + l = n+ l = m. Zatem k+ l = 0 i dalej k = 0(Lemat 5.15(b,c)). St ad m = m+ 0 = n, na mocy Lematu 5.15(d).
Spojnosc: przez indukcj e pokazemy, ze kazde n ∈ N spe lnia warunek:
∀m ∈ N(m ≤ n ∨ n ≤ m)
Dla n = 0 mamy zawsze n ≤ m, bo m = 0+m. Za lozmy wi ec, ze ∀m ∈ N(m ≤ n∨n ≤ m)i pokazmy, ze wtedy takze ∀m ∈ N(m ≤ s(n) ∨ s(n) ≤ m). Niech m ∈ N. Jesli m ≤ n,czyli m + k = n, dla pewnego k, to m + s(k) = s(m) + k = s(m + k) = s(n), na mocyLematu 5.15(e). W przeciwnym razie mamy n ≤ m, a w istocie n < m bo przypadekn = m juz jest rozpatrzony. Nierownosc s(n) ≤ m wynika wtedy z Lematu 5.16.
Twierdzenie 5.18 (Zasada minimum) Kazdy niepusty podzbior A zbioru N ma ele-ment najmniejszy, tj. taki element a ∈ A, ze ∀b (b ∈ A→ a ≤ b).
4Relacj e o takich w lasnosciach nazywamy relacj a liniowego porz adku.
23
Dowod: Przypuscmy, ze A ⊆ N nie ma najmniejszego elementu. Niech
B = n ∈ N | ∀k(k ∈ A→ n < k).
Pokazemy, ze B jest induktywny. St ad wyniknie, ze B = N, a zatem A = ∅.
Najpierw zauwazmy, ze 0 6∈ A. W przeciwnym razie 0 by loby oczywiscie najmniejszymelementem (zawsze 0 ≤ m bo 0 +m = m). A wi ec 0 ∈ B bo ∀k(k ∈ A→ 0 < k).
Za lozmy, ze n ∈ B. Skoro ∀k(k ∈ A → n < k) to ∀k(k ∈ A → s(n) ≤ k), na mocyLematu 5.16. Gdyby wi ec s(n) ∈ A to s(n) by loby najmniejszym elementem A. No tos(n) 6∈ A i warunek mozna wzmocnic: ∀k(k ∈ A→ s(n) < k).
Wniosek 5.19 (Zasada indukcji) Jesli B ⊆ N, oraz ∀n ∈ N(n ⊆ B → n ∈ B),to B = N.
Dowod: Niech A = N − B. Jesli B 6= N to A 6= ∅, ma wi ec element najmniejszy n.Wtedy n ⊆ B ale n 6∈ B, co jest sprzeczne z za lozeniem.
Inne sformu lowanie powyzszej zasady jest takie: Aby udowodnic, ze kazda liczba natu-ralna spe lnia pewien warunek (nalezy do pewnego zbioru B), wystarczy stwierdzic tak aprawid lowosc: jesli wszystkie liczby mniejsze od pewnego n nalez a do B, to takze n ∈ B.
Konstrukcja liczb ca lkowitych
Rozpatrzmy nast epuj ac a relacj e w zbiorze N× N:
〈m,n〉 ∼ 〈m′, n′〉 wtedy i tylko wtedy, gdy m+ n′ = m′ + n.
Nietrudno zauwazyc, ze to jest relacja rownowaznosci. Klasy abstrakcji relacji ∼ nazwiemyliczbami ca lkowitymi. Zbiorem wszystkich liczb ca lkowitych jest wi ec Z = (N × N)/∼.Dzia lania na liczbach ca lkowitych okreslamy tak:
[〈m,n〉]∼ + [〈m1, n1〉]∼ = [〈m+m1, n+ n1〉]∼[〈m,n〉]∼ · [〈m1, n1〉]∼ = [〈mm1 + nn1,mn1 + nm1〉]∼;
−[〈m,n〉]∼ = [〈n,m〉]∼
Uwaga: Te definicje s a poprawne, bo jesli 〈m,n〉 ∼ 〈m′, n′〉 i 〈m1, n1〉 ∼ 〈m′1, n
′1〉, to:
• 〈m+m1, n+ n1〉 ∼ 〈m′ +m′1, n
′ + n′1〉;
• 〈mm1 + nn1,mn1 + nm1〉 ∼ 〈m′m′1 + n′n′1,m
′n′1 + n′m′1〉;
• 〈n,m〉 ∼ 〈n′,m′〉.
24
Zbior wszystkich liczb ca lkowitych nie zawiera w sobie zbioru wszystkich liczb naturalnych.
Ale mozemy si e umowic, ze tak jest. Mamy bowiem w lozenie i : N 1−1−→ Z okreslonewarunkiem
i(n) = [〈n, 0〉]∼
i z duzym powodzeniem mozemy utozsamiac kazd a liczb e naturaln a n z liczb a ca lkowi-t a i(n). Zauwazmy na przyk lad, ze i(m + n) = i(m) + i(n) oraz i(m · n) = i(m) · i(n),a wi ec arytmetyk e liczb naturalnych (a o ni a tu przeciez chodzi) mozemy uprawiac bezprzeszkod w zbiorze Rg(i) ⊆ Z.
6 Rownolicznosc
Definicja 6.1 Mowimy, ze zbiory A i B s a rownoliczne (i piszemy A ∼ B) wtedy i tylko
wtedy, gdy istnieje bijekcja f : A1−1−→na
B.
Powyzsza definicja opiera si e na tym samym pomysle, ktorego uzywaj a dzieci nie zna-j ace arytmetyki do podzielenia si e po rowno kasztanami, jab lkami itp. Wystarczy dawackazdemu po jednym, az do wyczerpania zasobow.
Przyk lad 6.2
• Przedzia ly otwarte (a, b) i (c, d) s a rownoliczne bo funkcja f : (a, b)1−1−→na
(c, d) moze
byc okreslona wzorem f(x) = d−cb−a· x+ bc−ad
b−a.
• Przedzia l (−π2, π
2) (a zatem takze kazdy inny przedzia l otwarty) jest rownoliczny
ze zbiorem R wszystkich liczb rzeczywistych. Dla dowodu wystarczy uzyc funkcjitangens.
• Przedzia ly (0, 1] i (0, 1) s a rownoliczne, bo mamy tak a funkcj e f : (0, 1]1−1−→na
(0, 1):
f(x) =
1
n+1, jesli x = 1
n, dla pewnego n ∈ N;
x, w przeciwnym przypadku.
• Zbior R jest rownoliczny ze zbiorem wszystkich liczb rzeczywistych dodatnich, a rowno-licznosc ustala np. funkcja logarytm.
Fakt 6.3 Dla dowolnych zbiorow A, B, C,
• A ∼ A;
25
• Jesli A ∼ B to B ∼ A;
• Jesli A ∼ B i B ∼ C to A ∼ C.
Uwaga: Rownolicznosc zbiorow nie jest relacj a, z tych samych powodow, dla ktorychrelacjami nie s a rownosc ani inkluzja (por. odp. uwag e w tresci Wyk ladu 2). Ale rowno-licznosc ograniczon a do elementow ustalonej rodziny zbiorow mozna oczywiscie utozsamiacz odpowiedni a relacj a rownowaznosci w tej rodzinie.
Zbiory skonczone
Definicja 6.4 Zbior A nazywamy skonczonym, gdy A ∼ n, dla pewnej liczby naturalnej n.W przeciwnym razie zbior A jest nieskonczony.
Lemat 6.5 Niech a 6∈ A i b 6∈ B. Wowczas:
• A ∪ a ∼ B ∪ b wtedy i tylko wtedy, gdy A ∼ B.
• Injekcja f : A ∪ a 1−1−→ B ∪ b istnieje wtedy i tylko wtedy, gdy istnieje injekcja
f : A1−1−→ B.
Dowod: Jesli f : A1−1−→ B, to wtedy g = f ∪ 〈a, b〉 jest injekcj a z A∪ a do B ∪ b.
Jesli na dodatek funkcja f by la na B, to takze g jest”na”. To dowodzi implikacji (⇐)
w obu cz esciach lematu. Przypuscmy wi ec, ze f : A∪ a 1−1−→ B ∪ b. Okreslimy funkcj eh : A→ B definicj a warunkow a:
h(x) =
f(a), jesli f(x) = b;f(x), w przeciwnym przypadku.
Nietrudno zauwazyc, ze h jest funkcj a roznowartosciow a, a jesli f jest”na” to takze h
jest”na”.
Lemat 6.6 Dla dowolnych n,m ∈ N:
1) Nie istnieje f : s(n)1−1−→ n.
2) Nie istnieje f : nna−→ s(n).
3) Jesli m ∼ n to m = n.
26
Dowod: (1) Indukcja. Oczywiste dla n = 0. Krok indukcyjny wynika natychmiastz Lematu 6.5.
(2) Ta cz esc latwo wynika z poprzedniej i z Twierdzenia 3.14. Ale mozna j a tez udowodnicbezposrednio (bez pomocy pewnika wyboru) co zalecane jest jako cwiczenie.
(3) Przez indukcj e ze wzgl edu na n, dowodzimy w lasnosci
∀m ∈ N(m ∼ n→ m = n) (*)
Warunek jest oczywisty dla n = 0, bo tylko zbior pusty jest rownoliczny ze zbiorem pustym.Za lozmy wi ec, ze zachodzi (*) i niech m ∼ s(n), czyli m ∼ n ∪ n. Wtedy na pewnom 6= 0, wi ec m = s(m′) = m′ ∪ m′, dla pewnego m′. Z Lematu 6.5 wynika, ze m′ ∼ na wi ec m′ = n. W konsekwencji m = s(n).
Jesli n ∈ N to piszemyA = n gdyA ∼ n. Poprawnosc tego oznaczenia wynika z Lematu 6.6.Oczywiscie mowimy wtedy, ze A ma n elementow. Z tego samego lematu wynika teznast epuj acy uzyteczny fakt:
Twierdzenie 6.7 Jesli A jest zbiorem skonczonym, oraz f : A → A to f jest roznowar-tosciowa wtedy i tylko wtedy, gdy jest na A.
Dowod: (⇒) Przypuscmy, ze f jest roznowartosciowa, ale nie jest”na”, tj. istnieje
a ∈ A− Rg(f). To w szczegolnosci oznacza, ze A 6= ∅. Wiemy, ze A jest skonczony, czylirownoliczny z pewn a liczb a naturaln a. Skoro A 6= ∅, to ta liczba nie jest zerem, ma wi ecpostac s(n), dla pewnego n. Przedstawiaj ac zbior A w postaci sumy A = (A− a) ∪ ai korzystaj ac z Lematu 6.5, otrzymujemy rownolicznosc A−a ∼ n. Istniej a wi ec funkcje
h : n1−1−→na
A − a oraz g : s(n)1−1−→na
A. Zatem h−1 f g : s(n)1−1−→ n, co jest sprzeczne
z Lematem 6.6(1).
(⇐) Przypuscmy, ze f : Ana−→ A nie jest roznowartosciowa. Wtedy s a takie a, b ∈ A, ze
f(a) = f(b). Zbior A musi byc niepusty i mozemy powtorzyc rozumowanie z poprzedniej
cz esci dowodu, wnioskuj ac o istnieniu funkcyj h : n1−1−→na
A − a i g : s(n)1−1−→na
A.
Otrzymujemy g−1 (f |A−a) h : nna−→ s(n). Mozemy si e teraz powo lac na Lemat 6.6(2)
i otrzymac sprzecznosc.
Nast epuj ace twierdzenie zbiera kilka waznych w lasnosci zbiorow skonczonych.
Fakt 6.8
0) Jesli A jest skonczony, to A ∪ a jest skonczony.
1) Kazdy podzbior zbioru skonczonego jest skonczony.
27
2) Jesli A jest nieskonczony i B jest skonczony, to A−B 6= ∅.
3) Jesli A jest skonczony i f : Ana−→ B, to B jest skonczony.
4) Suma i iloczyn kartezjanski dwoch zbiorow skonczonych s a skonczone.
Dowod: (0) Jesli A = n oraz a 6∈ A to A ∪ a = s(n).
(1) Na pocz atek udowodnimy, ze kazdy podzbior dowolnej liczby naturalnej jest skonczo-ny. Zrobimy to przez indukcj e. Oczywiscie kazdy podzbior zbioru pustego jest pusty,wi ec warunek jest spe lniony przez liczb e zero. Za lozmy, ze kazdy podzbior liczby n jestskonczony i niech B ⊆ s(n) = n∪ n. Jesli B ⊆ n to dobrze. W przeciwnym razie n ∈ Bi mozemy napisac B = (B − n) ∪ n. Zbior B − n jest skonczony na mocy za lozeniaindukcyjnego, a z cz esci (0) wynika, ze B tez jest skonczony.
Jesli teraz B ⊆ A i A jest skonczony, to mamy bijekcj e f : A1−1−→na
n, dla pewnego n ∈ N.
Zbior B jest wi ec rownoliczny z podzbiorem→f(B) liczby n. Skoro ten jest skonczony, to B
tez jest skonczony.
(2) W przeciwnym razie A ⊆ B i A by lby skonczony na mocy cz esci (1).
(3) Z Twierdzenia 3.14 wynika, ze istnieje wtedy funkcja g : B1−1−→ A, a wi ec B jest
rownoliczny ze zbiorem Rg(g) ⊆ A, ktory musi byc skonczony, jako podzbior zbioru skon-czonego.5
(4) Cwiczenie. Wskazowka: przez indukcj e nalezy wykazac, ze suma dwoch roz l acznychzbiorow, ktore maj a n i m elementow, jest zbiorem o n + m elementach. Podobnie dlailoczynu kartezjanskiego i mnozenia.
Moce zbiorow
Twierdzenie 6.1 Kazdemu zbiorowi A mozna przypisac pewien obiekt A, zwany moc a lubliczb a kardynaln a zbioru A, i mozna to zrobic w taki sposob, ze
∀AB (A ∼ B ⇔ A = B).
W szczegolnosci, jesli zbior A jest skonczony, to jego liczb a kardynaln a jest ta liczba natu-ralna, z ktor a zbior A jest rownoliczny.
5Te cz esc mozna tez udowodnic bez pomocy Twierdzenia 3.14. Wskazowka: zacz ac od przypadkuA ∈ N.
28
Dowod: Dowod tego twierdzenia pomijamy.6 W istocie, liczba kardynalna A jest zawszepewnym zbiorem rownolicznym z A. Liczby naturalne s a szczegolnym przypadkiem liczbkardynalnych, a poprawnosc tego wyboru wynika z Lematu 6.6(3).
7 Zbiory przeliczalne
Fakt 7.1 Jesli n ∈ N to nie istnieje funkcja f : N 1−1−→ n. W szczegolnosci zbior liczbnaturalnych N jest nieskonczony.
Dowod: Gdyby taka funkcja istnia la, to f |s(n) : s(n)1−1−→ n, a to byc nie moze z powodu
Lematu 6.6(1).
Definicja 7.2 Liczb e kardynaln a zbioru N oznaczamy symbolem ℵ0 (”alef zero”). Mowimy,
ze zbior A jest przeliczalny wtedy i tylko wtedy, gdy jest skonczony lub jest zbioremmocy ℵ0. W przeciwnym razie zbior A jest nieprzeliczalny.
Moc ℵ0 jest najmniejsz a moc a nieskonczon a, w nast epuj acym sensie:
Twierdzenie 7.3 Zbior A jest nieskonczony wtedy i tylko wtedy, gdy ma podzbior mocy ℵ0.
Dowod: (⇒) Niech ϑ b edzie funkcj a wyboru dla rodziny P(A)−∅. Okreslimy funkcj ef : N→ A, za pomoc a takiej definicji indukcyjnej:
f(n) = ϑ(A−→f (n)) (*)
Poprawnosc tej definicji nie jest oczywista i wymaga takiej obserwacji: Skoro n jest zbiorem
skonczonym, to→f (n) tez jest skonczone (na mocy Faktu 6.8(3)) a zatem zbior A−
→f (n)
jest niepusty (na mocy Faktu 6.8(2)) i dlatego prawa strona rownania ma sens. Istnie-nie dok ladnie jednej funkcji spe lniaj acej rownanie (*) mozna teraz udowodnic metodamipodobnymi do uzytych w dowodzie Twierdzenia 5.11.
Zauwazmy, ze funkcja f jest roznowartosciowa. W rzeczy samej, jesli m 6= n, to na przyk lad
m ∈ n. Wtedy f(m) ∈→f (n), a wi ec wartosc f(n), wybierana z dope lnienia zbioru
→f (n),
musi byc rozna od f(m). Zatem f : N 1−1−→na
Rg(f). Zbior Rg(f) ma wi ec moc ℵ0 i jest
podzbiorem A.
6Uwaga dla dociekliwych: Konstrukcja liczb kardynalnych wymaga dodatkowego (schematu) aksjomatu,zwanego aksjomatem zast epowania.
29
(⇐) Jezeli N ∼ B ⊆ A i A = n ∈ N, to istniej a funkcje f : N 1−1−→na
B i g : A1−1−→na
n. St ad
g f : N 1−1−→ n, co jest sprzeczne z Faktem 7.1.
Wniosek 7.4 Zbior jest nieskonczony wtedy i tylko wtedy, gdy jest rownoliczny z pewnymswoim podzbiorem w lasciwym.
Dowod: (⇐) Ta cz esc wynika wprost z Twierdzenia 6.7.
(⇒) Skorzystamy z poprzedniego twierdzenia. Jesli zbior A jest nieskonczony to ma
podzbior B o mocy ℵ0. Mamy wi ec funkcj e f : N 1−1−→na
B i mozemy okreslic g : A → A
warunkiem
g(x) =
f(f−1(x) + 1), jesli x ∈ B;x, w przeciwnym przypadku.
Latwo zauwazyc, ze funkcja g jest roznowartosciowa. Ale ta funkcja nie jest na A boelement f(0) nie nalezy do Rg(g). Zatem A ∼ Rg(g) A.
Dla B ⊆ N, przez minB oznaczymy najmniejszy element zbioru B. Taki element zawszeistnieje, jesli tylko B jest niepusty. (Twierdzenie 5.18.)
Fakt 7.5 Kazdy podzbior zbioru przeliczalnego jest przeliczalny.
Dowod: Niech C b edzie podzbiorem zbioru przeliczalnego B. Jesli C jest skonczony,to dobrze, wi ec niech C b edzie nieskonczony. Wtedy zbior B tez musi byc nieskonczony,
a skoro B jest przeliczalny, to mamy funkcj e g : B1−1−→naN. Zbior C jest wi ec rownoliczny
z podzbiorem→g (C) zbioru N. A zatem wystarczy udowodnic, ze kazdy nieskonczony
podzbior zbioru N jest przeliczalny.
Niech A b edzie takim podzbiorem. Definiujemy przez indukcj e funkcj e f : N→ A:
f(n) = min(A−→f (n)) (*)
Ta definicja jest poprawna, a funkcja f jest roznowartosciowa, z powodow podobnych doomawianych w dowodzie Twierdzenia 7.3. Pozostaje stwierdzic, ze f jest na A. Przy-puscmy, ze nie, tj. ze istnieje jakies m ∈ A − Rg(f). Wtedy dla dowolnego n mamy
jednoczesnie m ∈ A−→f (n) i m 6= f(n), a wi ec m > f(n). St ad Rg(f) ⊆ m czyli Rg(f)
jest zbiorem skonczonym. To niemozliwe, bo f jest roznowartosciowa, wi ec Rg(f) ∼ N.
Nast epuj acy fakt uzasadnia nazw e ”zbior przeliczalny”. Zbior jest przeliczalny, gdy jego
elementy mozna przeliczac (niekoniecznie przeliczyc), tj. ustawic je w ci ag nieskonczony.
30
Wniosek 7.6 Niepusty zbior A jest przeliczalny wtedy i tylko wtedy, gdy istnieje surjekcjaf : N na−→ A.
Dowod: (⇒) Jesli A = ℵ0 to taka funkcja istnieje z definicji i nawet jest roznowartos-
ciowa. Jesli A = n ∈ N, to n 6= 0 i mamy funkcj e g : n1−1−→na
A, ktor a mozna poprawic
tak:
h(m) =
g(m), jesli m ∈ n;g(0), w przeciwnym przypadku.
(⇐) Niech f : N na−→ A. Wtedy funkcja g : A1−1−→ N moze byc okreslona tak: g(a) =
mini ∈ N | f(i) = a. Zbior A jest wi ec rownoliczny z podzbiorem Rg(g) zbioru N,a zatem przeliczalny.
Lemat 7.7 Jesli zbior A jest przeliczalny i f : Ana−→ B, to B jest przeliczalny.
Dowod: Na mocy Wniosku 7.6 istnieje surjekcja g : N na−→ A. Wtedy f g : N na−→ B,wi ec na mocy tego samego wniosku zbior B jest przeliczalny.
Fakt 7.8 Jesli zbiory A i B s a przeliczalne to A ∪B i A×B tez s a przeliczalne.
Dowod: Jesli ktorys ze zbiorow A i B jest pusty to teza jest oczywista. Za lozmy wi ec,ze A i B s a niepuste. Na mocy Wniosku 7.6 istniej a wi ec funkcje f : N na−→ A i g : N na−→ B.Mozemy teraz okreslic funkcj e ϕ : N na−→ A ∪B wzorem
ϕ(n) =
f(k), jesli n = 2k, dla pewnego k;g(k), jesli n = 2k + 1, dla pewnego k
A zatem A ∪ B jest zbiorem przeliczalnym, co tez wynika z Wniosku 7.6. Aby okreslicfunkcj e ψ : N na−→ A × B, skorzystamy z jednoznacznosci rozk ladu liczb naturalnych naczynniki pierwsze.7 Kazd a liczb e n 6= 0 mozemy jednoznacznie zapisac w postaci
n = 2i3jq,
gdzie q nie jest podzielne ani przez 2 ani przez 3. Przyjmujemy
ψ(n) =
〈f(0), g(0)〉, jesli n = 0;〈f(i), g(j)〉, jesli n = 2i3jq oraz q nie dzieli si e przez 2 ani 3
Funkcja ψ jest”na”, bo dla dowolnych a ∈ A, b ∈ B istniej a takie liczby i, j, ze f(i) = a
i f(j) = b. A wi ec 〈a, b〉 = ψ(2j3j).
7Przedmiotem tego wyk ladu jest teoria mnogosci. Dlatego interesuje nas to, jak mozna na gruncietej teorii zdefiniowac liczby naturalne. Ale w lasnosci arytmetyczne liczb naturalnych, ktore wynikaj az aksjomatow Peano (takie jak przywo lana tu jednoznacznosc rozk ladu), juz przeciez znamy.
31
Przyk lad 7.9 Funkcja t : N×N→ N dana wzorem f(n,m) = 2n3m jest roznowartosciowa.Natomiast nast epuj ace funkcje u, v : N× N→ N s a nawet bijekcjami.8
u(m,n) = 2m(2n+ 1)− 1
v(m,n) =(m+ n)(m+ n+ 1)
2 +m
Sprawdzenie, ze tak jest w istocie, pozostawiamy jako cwiczenie. Wskazowka: pierwszysk ladnik w definicji v(m,n) przedstawia sum e liczb naturalnych od zera do m+ n.
Przyk lady zbiorow przeliczalnych
• Zbior N× N jest przeliczalny.
• Zbior Z wszystkich liczb ca lkowitych jest przeliczalny. Skoro bowiem Z = (N×N)/∼to mamy funkcj e κ : N×N na−→ Z okreslon a warunkiem κ(m,n) = [〈m,n〉]∼. (Mowi acpo ludzku, chodzi o funkcj e κ(m,n) = m − n. Kazda liczba ca lkowita jest roznic adwoch liczb naturalnych.)
• Zbior Q wszystkich liczb wymiernych definiujemy podobnie jak zbior Z. Rozwazamyrelacj e rownowaznosci ≈ w zbiorze par Z× (Z− 0), dan a warunkiem
〈x, y〉 ≈ 〈u, v〉 wtedy i tylko wtedy, gdy x · v = u · y,
i przyjmujemy Q = (Z× (Z− 0))/≈. Po sprawdzeniu, ze warunki 〈x, y〉 ≈ 〈x′, y′〉i 〈u, v〉 ≈ 〈u′, v′〉 implikuj a
〈xv + yu, yv〉 ≈ 〈x′v′ + y′u′, y′v′〉 oraz 〈xu, yv〉 ≈ 〈x′u′, y′v′〉,mozemy zdefiniowac operacje na liczbach wymiernych:
[〈x, y〉]≈ + [〈u, v〉]≈ = [〈xv + yu, yv〉]≈[〈x, y〉]≈ · [〈u, v〉]≈ = [〈xu, yv〉]≈
Liczby ca lkowite interpretujemy jako liczby wymierne za pomoc a w lozenia
j(z) = [〈z, 1〉]≈.
Oczywiscie zamiast [〈x, y〉]≈ piszemy odt adx
y. Poniewaz κ : Z× (Z− 0)) na−→ Q,
gdzie κ(x, y) =x
y, wi ec zbior wszystkich liczb wymiernych jest przeliczalny.
• A wi ec przeliczalny jest tez np. zbior wszystkich punktow p laszczyzny o wspo lrz ed-nych wymiernych. Utozsamiamy go przeciez ze zbiorem Q×Q.
Twierdzenie 7.10 Suma przeliczalnej rodziny zbiorow przeliczalnych jest przeliczalna.
8Czasami o bijekcji z N× N na N mowimy funkcja pary. Taka funkcja pozwala na zakodowanie dwochliczb naturalnych za pomoc a jednej.
32
Dowod: Niech A b edzie przeliczaln a rodzin a zbiorow przeliczalnych. Bez straty ogol-nosci mozemy za lozyc, ze:
• A 6= ∅, bo inaczej⋃A = ∅, czyli teza jest oczywista;
• ∅ 6∈ A, bo⋃A =
⋃(A− ∅), wi ec zamiast A mozemy wzi ac A− ∅.
A wi ec, na mocy Wniosku 7.6 mamy funkcj e:
F : N na−→ A,
a poniewaz elementy A s a tez przeliczalne, wi ec dla dowolnego m ∈ N jest tez funkcja
fm : N na−→ F (m).
Wtedy G : N×N na−→⋃A, gdzie G(m,n) = fm(n). Sprawdzmy, ze funkcja G jest faktycz-
nie”na”. Poniewaz F jest
”na”, wi ec kazdy element a ∈
⋃A nalezy do pewnego F (m).
Zatem a jest postaci fm(n), bo fm tez jest”na”. Wnioskujemy, ze
⋃A jest zbiorem
przeliczalnym, jako obraz zbioru przeliczalnego (Lemat 7.7).
Uwaga: * Choc nie widac tego na pierwszy rzut oka, dowod powyzszego twierdzenia w istotny sposobopiera si e na pewniku wyboru. Przypisujemy bowiem kazdej liczbie m pewn a funkcj e fm : N na−→ F (m),a wi ec implicite stosujemy funkcj e wyboru dla rodziny A. Scislej, powo lujemy si e tu na Twierdzenie 3.13o niepustosci produktu zbiorow niepustych.
Definicja 7.11 S lowo nad alfabetem A to dowolny skonczony ci ag elementow zbioru A.Dok ladniej, jest to dowolna funkcja w : n→ A, gdzie n jest pewn a liczb a naturaln a. Liczb et e nazywamy d lugosci a s lowa w, i zapisujemy to tak: n = |w|. A wi ec s lowo baba to funkcjaw : 4→ a, b, spe lniaj aca warunki
w(i) =
b, jesli i jest parzyste;a, jesli i jest nieparzyste
Zbior wszystkich s low n-literowych nad A (s low nad A o d lugosci n) pokrywa si e wi ec zezbiorem An wszystkich funkcji z n do A. Zbior wszystkich s low nad A oznaczamy przez A∗.Szczegolnym s lowem jest jedyne s lowo o d lugosci 0. Jest to s lowo puste, czyli funkcja pusta.Oznaczamy je przez ε.
Fakt 7.12 Jesli alfabet A jest przeliczalny to zbior wszystkich s low A∗ tez jest przeliczalny.
Dowod: Nietrudno pokazac przez indukcj e, ze kazdy ze zbiorow An jest przeliczalny.Istotnie, zbior A0 = ε jest jednoelementowy, a krok indukcyjny wynika z latwej rowno-licznosci An+1 ∼ An × A. Skoro A∗ jest sum a wszystkich An, dla n ∈ N, to teza wynikaz Twierdzenia 7.10.
33
8 Nierownosci pomiedzy mocami
Lemat 8.1 Jezeli A ∼ B i C ∼ D oraz istnieje injekcja f : A1−1−→ C, to istnieje tez
injekcja g : B1−1−→ D.
Dowod: Istniej a bijekcje ϕ : B1−1−→na
A oraz ψ : C1−1−→na
D. Zatem ψ f ϕ : B1−1−→ D.
Te konstrukcj e przedstawia ponizszy diagram:
Af // C
ψ
B
ϕ
OO
// D
Definicja 8.2 Mowimy, ze moc zbioru A jest mniejsza lub rowna mocy zbioru B (i piszemy
A ≤ B), wtedy i tylko wtedy, gdy istnieje injekcja f : A1−1−→ B. Jezeli A ≤ B ale zbiory A
i B nie s a rownoliczne, to piszemy A < B i mowimy, ze zbior A jest mocy mniejszej nizzbior B.
Uwaga:
• Poprawnosc powyzszej definicji wynika z Lematu 8.1.
• Jesli m, n s a liczbami kardynalnymi to m ≤ n oznacza, ze A ≤ B, dla A = m, B = n.
• Jesli f : A1−1−→ B, ale f nie jest bijekcj a, to nie znaczy, ze A < B. Na przyk lad
funkcja nast epnika jest injekcj a z N w N i nie jest”na”, ale przeciez N 6< N.
Przyk lad 8.3
• Jesli A ⊆ B, to A ≤ B.
• Dla dowolnej liczby naturalnej n zachodzi n < ℵ0.
• Dla dowolnego zbioru A zachodzi A ≤ P(A). Istotnie, mamy ζ : A1−1−→ P(A), gdzie
ζ(a) = a dla a ∈ A.
• Zbior A jest nieskonczony wtedy i tylko wtedy, gdy ℵ0 ≤ A (Twierdzenie 7.3).
34
Fakt 8.4 Dla dowolnych niepustych zbiorow A,B nast epuj ace warunki s a rownowazne:
1) A ≤ B;
2) Istnieje g : Bna−→ A;
3) Zbior A jest rownoliczny z pewnym podzbiorem zbioru B.
Dowod: Rownowaznosc warunkow (1) i (2) to dok ladnie tresc Twierdzenia 3.14. Row-nowaznosc (1) i (3) wynika z nast epuj acych obserwacji:
• Jesli f : A1−1−→ B to A ∼ Rg(f).
• Jesli f : A1−1−→na
C ⊆ B to f : A1−1−→ B.
Fakt 8.5 Dla dowolnych zbiorow A,B,C:
• A ≤ A;
• Jesli A ≤ B i B ≤ C to A ≤ C.
O ile powyzszy fakt jest ca lkiem oczywisty, to antysymetria nierownosci
Jesli A ≤ B i B ≤ A to A = B
(zwana twierdzeniem Cantora-Bernsteina) nie jest juz oczywista. Udowodnimy j a najpierww takiej wersji:
Lemat 8.6 Jesli ϕ : A1−1−→ C ⊆ A to C ∼ A.
Dowod: Zaczniemy od okreslenia ci agu zbiorow Xn, dla n ∈ N.
X0 = A− C;
Xn+1 =→ϕ (Xn).
Niech X =⋃Xn | n ∈ N i niech Y = A−X. Zauwazmy, ze C = A−X0 = (X∪Y )−X0 =
(X −X0) ∪ Y , bo Y ∩X0 = ∅. Okreslimy bijekcj e ψ : A1−1−→na
C jak nast epuje:
ψ(x) =
x, jesli x ∈ Y ;ϕ(x), jesli x ∈ X
35
C
A
Rysunek 1: Dowod Lematu 8.6
Inaczej, ψ = ϕ|X ∪ idY . Na Rysunku 1 zbior X odpowiada obszarowi zakreskowanemu,a zbior Y to ca la reszta. Poszczegolne zakreskowane sk ladowe to zbiory Xn. A zatemfunkcja ψ jest identycznosci a na obszarze bia lym, a kazd a z zakreskowanych sk ladowych
przekszta lca w nast epn a. Funkcja ψ jest roznowartosciowa, poniewaz idY : Y1−1−→ Y oraz
ϕ|X : X1−1−→ X s a s a funkcjami roznowartosciowymi, a przy tym X i Y s a roz l aczne.
Ponadto ψ jest na C. Jesli bowiem c ∈ C, to s a dwie mozliwosci. Albo c ∈ Y i wtedyc = ψ(c), albo c ∈ X − X0 i mamy c ∈ Xn+1 dla pewnego n. A wtedy c = ϕ(x) = ψ(x)dla pewnego x ∈ Xn.
Twierdzenie 8.7 (Cantora-Bernsteina) Jesli A ≤ B i B ≤ A to A = B.
Dowod: Z za lozenia istniej a funkcje f : A1−1−→ B i g : B
1−1−→ A. Zbior C = Rg(g) jest
oczywiscie rownoliczny z B. Jesli teraz ϕ = g f to ϕ : A1−1−→ C. Na mocy Lematu 8.6,
zbior A jest rownoliczny z C, a wi ec takze z B.
Twierdzenie Cantora-Bernsteina jest niezwykle uzytecznym narz edziem do badania mocyzbiorow. Zwykle znacznie latwiej jest wskazac dwie funkcje roznowartosciowe, jedn a z Ado B i drug a z B do A, niz bijekcj e pomi edzy A i B. Na przyk lad moc dziwnej figuryna Rysunku 2 jest taka sama jak moc kazdego z dwoch ko l (otwartych). Mamy bowiem
36
K
A
L
Rysunek 2: Zastosowanie twierdzenia Cantora-Bernsteina
K ≤ A ≤ L, bo K ⊆ A ⊆ L. Poniewaz latwo zauwazyc, ze dowolne dwa ko la otwarte s a
rownoliczne, wi ec mamy K = L, i mozemy uzyc twierdzenia Cantora-Bernsteina.
Twierdzenie 8.8 (Cantora) Dla dowolnego zbioru A zachodzi A < P(A).
Dowod: Juz poprzednio zauwazylismy, ze A ≤ P(A), nalezy wi ec pokazac, ze nie istnieje
bijekcja F : A1−1−→na
P(A). Przypuscmy, ze taka jest, i niech B = x ∈ A | x 6∈ F (x).Skoro F jest
”na”, to istnieje takie b ∈ A, ze F (b) = B. Pytamy, czy b ∈ B. Jesli b ∈ B,
to z definicji zbioru B mamy b 6∈ F (b) = B. Ale jesli b 6∈ B, to tez zle, bo wtedy warunekb 6∈ F (b) nie powinien zachodzic, czyli mielibysmy w lasnie b ∈ B. Otrzymana sprzecznosc
wynik la z za lozenia, ze F : A1−1−→na
P(A), a wi ec takiej funkcji nie ma.
Rozumowanie uzyte w dowodzie twierdzenia Cantora stosuje tzw. metod e przek atniow a(rozwazamy dwuargumentowy predykat
”x 6∈ F (y)” dla x = y). Do sprzecznosci do-
prowadzi lo nas zjawisko podobne do paradoksu k lamcy ,9 znane tez z anegdoty o wojskowymfryzjerze, ktoremu polecono golic tych i tylko tych zo lnierzy, co sami si e nie gol a. Porow-najmy dwa, niemozliwe do spe lnienia, warunki:
∀x ∈ A(x ∈ F (b)⇔ x 6∈ F (x))
∀x(b goli x⇔ x nie goli x)
9Stwierdzenie ”To zdanie jest fa lszywe” nie moze byc ani prawdziwe ani fa lszywe.
37
a zobaczymy, ze chodzi tu o ten sam paradoks, cz esto wykorzystywany tam, gdzie nalezyudowodnic, ze cos jest niemozliwe.
Wniosek 8.9
1) Nie istnieje zbior wszystkich zbiorow, tj. zbior Ω spe lniaj acy warunek ∀x(x ∈ Ω).
2) Istniej a zbiory nieprzeliczalne, na przyk lad P(N).
3) Istnieje nieskonczenie wiele liczb kardynalnych.
Dowod: (1) Gdyby Ω by l zbiorem wszystkich zbiorow, to takze kazdy podzbior Ω by lby
jego elementem, mielibysmy wi ec P(Ω) ⊆ Ω, sk ad P(Ω) ≤ Ω.
(2) Oczywiste.
(3) Latwo widziec, ze N < P(N) < P(P(N)) < P(P(P(N))) < · · ·
Liczby rzeczywiste
Zanim zajmiemy si e moc a zbioru wszystkich liczb rzeczywistych, zobaczmy jak moznazdefiniowac liczby rzeczywiste na gruncie teorii mnogosci. Funkcj e f : N → Q nazwiemyci agiem Cauchy’ego, gdy
∀ε ∈ Q (ε > 0→ ∃n ∈ N ∀k ≥ n(f(n)− ε < f(k) < f(n) + ε))
W zbiorze C wszystkich ci agow Cauchy’ego okreslimy relacj e rownowaznosci ≡.
f ≡ g ⇔ ∀ε ∈ Q (ε > 0→ ∃n ∈ N ∀k ≥ n(f(k)− ε < g(k) < f(k) + ε)).
Zbior R wszystkich liczb rzeczywistych definiujemy jako C/≡. Dzia lania na liczbach rzeczy-wistych definiujemy
”po wspo lrz ednych”. Wynikiem dodawania [f ]≡ + [g]≡ jest wi ec klasa
abstrakcji ci agu h okreslonego rownaniem h(n) = f(n) + g(n). Przyjmujemy, ze Q ⊆ Rpoprzez identyfikacj e kazdej liczby wymiernej q ∈ Q z ci agiem sta lym o wartosci q.
Definicja 8.10 Moc zbioru wszystkich liczb rzeczywistych nazywamy continuum i ozna-czamy przez C.
Przypomnijmy, ze 2N to zbior wszystkich funkcji z N do 2 = 0, 1, inaczej — zbiorwszystkich nieskonczonych ci agow zerojedynkowych.
38
Fakt 8.11 C = P(N) = 2N.
Dowod: Najpierw zauwazmy, ze F : 2N 1−1−→na
P(N), gdzie F (f) =→f −1(1). Istotnie, dla
f 6= g istnieje jakies n, dla ktorego f(n) = 1 i g(n) = 0 albo na odwrot. Zatem n ∈ F (f) in 6∈ F (g) albo na odwrot, funkcja F jest wi ec roznowartosciowa. Jest tez na P(N), bo jesliB ⊆ N to B = F (χB), gdzie χB to funkcja charakterystyczna zbioru B, czyli:
χB(n) =
1, jesli n ∈ B;0, w przeciwnym przypadku.
A zatem zbiory P(N) i 2N s a tej samej mocy. Aby pokazac, ze jest to moc continuum,
skorzystamy z Twierdzenia 8.7, tj. udowodnimy dwie nierownosci: 2N ≤ C i C ≤ P(N).
[2N ≤ C] Niech H : 2N → R przyporz adkowuje kazdemu ci agowi zerojedynkowemu liczb erzeczywist a z przedzia lu (0, 1), ktorej zapis dziesi etny po przecinku odpowiada temu ci a-gowi. A wi ec na przyk lad H(01100011100 . . .) = 0, 01100011100 . . . Dok ladniej, dla dowol-nego f ∈ 2N
H(f) =∞∑i=0
f(i)
10i+1
Aby sprawdzic, ze funkcja H jest roznowartosciowa, przypuscmy, ze f 6= g. Niech n =mini | f(i) 6= g(i). Wtedy
∑i<n
f(i)10i+1 =
∑i<n
g(i)10i+1 . Oznaczmy t e sum e przez b i przy-
puscmy na przyk lad, ze f(n) = 0 i g(n) = 1. Wtedy
H(f) = b+∞∑
i=n+1
f(i)
10i+1< b+
1
10n+1≤ H(g)
[C ≤ P(N)] Niech α : N 1−1−→naQ b edzie dowoln a ustalon a bijekcj a, i niech
G(x) = n ∈ N | α(n) < x,
dla dowolnego x ∈ R. W ten sposob okreslilismy funkcj e G : R → P(N). Ta funkcja jestroznowartosciowa, bo jesli x 6= y to na przyk lad x < y, a wtedy istnieje liczba wymierna qspe lniaj aca nierownosci x < q < y. Mamy wi ec α−1(q) ∈ G(y)−G(x).
39
9 Arytmetyka liczb kardynalnych
Lemat 9.1 Niech A ≤ B i C ≤ D. Wtedy:
1) Jesli A ∩ C = ∅ i B ∩D = ∅, to A ∪ C ≤ B ∪D.
2) A× C ≤ B ×D.
3) Jesli C 6= ∅, to AC ≤ BD.
Dowod: Istniej a funkcje f : A1−1−→ B i g : C
1−1−→ D.
(1) Poniewaz dziedziny funkcyj f i g s a roz l aczne, wi ec suma f ∪ g jest funkcj a ze zbioruA ∪ C do B ∪D. Latwo zauwazyc, ze jest to funkcja roznowartosciowa.
(2) Funkcja F : A× C 1−1−→ B ×D moze byc okreslona warunkiem F (a, c) = 〈f(a), g(c)〉.Roznowartosciowosc F latwo wynika z roznowartosciowosci f i g.
(3) Poniewaz C 6= ∅, wi ec istnieje funkcja h : Dna−→ C. Funkcj e G : AC → BD okreslimy
rownaniem G(α) = f α h. Rysunek ponizej objasnia t e definicj e:
Cα // A
f
D
h
OO
G(α)// B
Sprawdzmy, ze funkcjaG jest roznowartosciowa. Jesli α, β ∈ AC oraz α 6= β, to α(c) 6= β(c),dla pewnego c ∈ C. Funkcja h jest
”na”, wi ec istnieje takie d ∈ D, ze h(d) = c.
Z roznowartosciowosci funkcji f wnioskujemy, ze G(α)(d) = f(α(h(d))) = f(α(c)) 6=f(β(c)) = f(β(h(d))) = G(β)(d), czyli, ze G(α) 6= G(β).
Wniosek 9.2 Jesli A = B i C = D to
• A× C = B ×D;
• AC = BD.
Jesli ponadto A ∩ C = ∅ i B ∩D = ∅ to
• A ∪ C = B ∪D
40
Dowod: Latwa konsekwencja Lematu 9.1. Uwaga: nalezy zauwazyc, ze A∅ = 1 dladowolnego zbioru A.
Z Wniosku 9.2 wynika poprawnosc nast epuj acej definicji:
Definicja 9.3
Sum a m + n liczb kardynalnych m i n nazywamy moc dowolnego zbioru postaci A ∪ C,
gdzie A = m, C = n, oraz A ∩ C = ∅.
Iloczynem m · n liczb kardynalnych m i n nazywamy moc dowolnego zbioru postaci A×C,
gdzie A = m, C = n.
Pot eg a mn o podstawie m i wyk ladniku n nazywamy moc dowolnego zbioru postaci AC ,
gdzie A = m, C = n.
Uwaga: Zwyk le dzia lania na liczbach naturalnych pokrywaj a si e z dzia laniami okreslonymipowyzej.
Przyk lad 9.4
• ℵ0 + ℵ0 = ℵ0, bo Z ∼ N.
• ℵ0 · ℵ0 = ℵ0, bo N× N ∼ N.
• 2ℵ0 = C, na mocy Faktu 8.11.
• Przyjmijmy i0 = ℵ0 i dalej in+1 = 2in . (Hebrajsk a liter e i czytamy”bet”.) Wtedy
P(N) = R = i1, P(P(N)) = i2, itd.
Fakt 9.5 Jesli m ≥ ℵ0 to m + ℵ0 = m.
Dowod: Niech A = m i C = ℵ0, a przy tym A ∩ C = ∅. Na mocy Twierdzenia 7.3,istnieje podzbior B ⊆ A, o mocy ℵ0. Wtedy A∪C = (A−B)∪(B∪C) ∼ (A−B)∪B = A,
poniewaz B ∪ C tez jest mocy ℵ0. A zatem m + ℵ0 = A ∪ C = A = m.
Wiele praw arytmetyki liczb naturalnych mozna uogolnic na dowolne liczby kardynalne.W szczegolnosci, dla dowolnych liczb kardynalnych m, n i p, zachodz a nast epuj ace rownosci:
• m + 0 = m (bo A ∪ ∅ = A).
• m + n = n + m (bo A ∪B = B ∪ A).
41
• (m + n) + p = m + (n + p) (bo (A ∪B) ∪ C = A ∪ (B ∪ C)).
• m · 1 = m (bo A× 1 ∼ A).
• m · 0 = 0 (bo A× ∅ = ∅).
• m · n = n ·m (bo A×B ∼ B × A).
• (m · n) · p = m · (n · p) (bo (A×B)× C ∼ A× (B × C)).
• m · (n + p) = m · n + m · p (bo A× (B ∪ C) ∼ (A×B) ∪ (A× C)).
• m0 = 1 (bo tylko ∅ nalezy do A∅).
• m1 = m (bo elementy A1 to funkcje sta le).
• 1m = 1 (bo funkcja nalez aca do 0A musi byc stale rowna zero).
• 0m = 0, o ile m 6= 0 (bo nie ma funkcji ze zbioru niepustego w pusty).
Mniej oczywiste s a trzy prawa pot egowania.
Fakt 9.6 Dla dowolnych liczb kardynalnych m, n i p, zachodz a nast epuj ace rownosci:
1) mn ·mp = m(n+p);
2) mn · pn = (m · p)n;
3) (mn)p = mn·p.
Dowod: W cz esci (1) nalezy pokazac, ze AB×AC ∼ AB∪C , przy za lozeniu, ze B∩C = ∅.Bijekcj e F : AB × AC 1−1−→
naAB∪C mozna okreslic wzorem F (f, g) = f ∪ g, dla f : B → A
i g : C → A.
Dla dowodu cz esci (2) potrzebna jest bijekcjaG : AB×CB 1−1−→na
(A×C)B, ktor a zdefiniujemy
tak: G(f, g)(b) = 〈f(b), g(b)〉, dla f : B → A, g : B → C i b ∈ B.
W cz esci (3) pos luzymy si e bijekcj a H : (AB)C 1−1−→na
AB×C , ktora jest okreslona wzorem
H(ϕ)(b, c) = ϕ(c)(b), dla ϕ : C → AB i dla c ∈ C, b ∈ B. Dowod, ze jest to istotniebijekcja, podobnie jak funkcje okreslone w (1) i (2) pozostawiamy jako cwiczenie.
Lemat 9.1 stwierdza, ze dzia lania na liczbach kardynalnych s a operacjami monotonicznymiw nast epuj acym sensie. Jesli m ≤ n i p ≤ q, to:
• m + p ≤ n + q;
42
• m · p ≤ n · q;
• mp ≤ nq, pod warunkiem, ze p 6= 0.
Wniosek 9.7
1) ℵ0 · C = C · C = C.
2) ℵℵ00 = Cℵ0 = C;
3) 2C = ℵC0 = CC.
Dowod:
1) Bo C ≤ ℵ0 · C ≤ C · C = 2ℵ0 · 2ℵ0 = 2ℵ0+ℵ0 = 2ℵ0 = C.
2) Bo C = 2ℵ0 ≤ ℵℵ00 ≤ Cℵ0 = (2ℵ0)ℵ0 = 2ℵ0·ℵ0 = 2ℵ0 = C.
3) Bo 2C ≤ ℵC0 ≤ CC = (2ℵ0)C = 2ℵ0·C = 2C.
Uwaga 1: Jak juz stwierdzilismy, dzia lania na liczbach kardynalnych s a monotoniczne zewzgl edu na nieostr a nierownosc ≤. Nie jest to jednak prawd a dla nierownosci ostrej <.Istotnie: mamy wprawdzie 5 < ℵ0, ale:
• 5 + ℵ0 = ℵ0 + ℵ0 = ℵ0;
• 5 · ℵ0 = ℵ0 · ℵ0 = ℵ0;
• 2ℵ0 = ℵℵ00 = C;
• C5 = Cℵ0 = C.
Uwaga 2: Nie mozna w sensowny sposob okreslic odejmowania liczb kardynalnych. Odej-mowanie jest dzia laniem odwrotnym do dodawania. Aby mozna by lo je zdefiniowac,z warunku m + p = m + q = n musia loby wynikac p = q. Wtedy przyj elibysmy, zen − m = p. Ale skoro na przyk lad ℵ0 + 5 = ℵ0 + ℵ0 = ℵ0, to roznica ℵ0 − ℵ0 nie masensu. Podobnie nie mozna zdefiniowac dzielenia, pierwiastkowania ani logarytmowanialiczb kardynalnych.
Hipoteza continuum ∗
Nie znamy zadnej liczby m spe lniaj acej nierownosci ℵ0 < m < C. Przypuszczenie, ze takiej liczby nie manazywane jest hipotez a continuum. Hipoteza continuum okaza la si e zdaniem niezaleznym od aksjomatowteorii mnogosci. Oznacza to, ze nie mozna jej z tych aksjomatow wyprowadzic (P.J. Cohen, 1964), ale tez,ze nie mozna udowodnic jej zaprzeczenia (K. Godel, 1939).
43
10 Relacje porzadkuj
ace
Definicja 10.1 Relacj e r w zbiorze A nazywamy relacj a cz esciowego porz adku, gdy jest
zwrotna czyli ∀x∈A (x r x)przechodnia czyli ∀x∈A∀y∈A∀z∈A(x r y ∧ y r z → x r z)
antysymetryczna czyli ∀x∈A∀y∈A (x r y ∧ y r x→ x = y)
Par e 〈A, r〉, a czasami sam zbior A, nazywamy zbiorem cz esciowo uporz adkowanym, lub poprostu cz esciowym porz adkiem. Okreslenie
”cz esciowy porz adek” jest tez uzywane w sto-
sunku do samej relacji.
Jesli dodatkowo relacja r jest spojna, tj.
∀x∈A∀y∈A (x r y ∨ y r x)
to mowimy, ze jest to relacja liniowego porz adku. Okreslenia liniowy porz adek, zbior liniowouporz adkowany, stosuje si e odpowiednio.
Przyk lad 10.2
• Relacja ≤ w zbiorze liczb naturalnych jest liniowym porz adkiem.
• Zbior N− 0 jest cz esciowo uporz adkowany przez relacj e podzielnosci:
m|n wtedy i tylko wtedy, gdy ∃k ∈ N− 0 (k ·m = n).
• Kazda rodzina zbiorow jest cz esciowo uporz adkowana przez inkluzj e. Dok ladniej, dladowolnego A, para 〈A, r〉, gdzie dla a, b ∈ A
a r b wtedy i tylko wtedy, gdy a ⊆ b,
jest zawsze cz esciowym porz adkiem. Zamiast 〈A, r〉 piszemy zwykle po prostu 〈A,⊆〉.
Relacje cz esciowo porz adkuj ace najcz esciej oznaczamy symbolami ≤, , v i podobnymi.Jesli ≤ jest cz esciowym porz adkiem w A , to relacja < jest okreslona tak:
x < y wtedy i tylko wtedy, gdy x ≤ y i x 6= y.
Dla A 6= ∅, ta relacja nie jest cz esciowym porz adkiem, bo nie jest zwrotna. Notacj e ≺, @itp. stosujemy odpowiednio.
Jesli 〈A, r〉 jest cz esciowym (liniowym) porz adkiem, oraz B ⊆ A, to latwo zauwazyc, ze〈B, r ∩ (B × B)〉 jest tez cz esciowym (liniowym) porz adkiem. Dla prostoty oznaczamy goprzez 〈B, r〉.
44
Definicja 10.3 Niech 〈A,≤〉 b edzie cz esciowym porz adkiem.
1. Elementy a, b ∈ A s a porownywalne, gdy a ≤ b lub b ≤ a. W przeciwnym razie a, bs a nieporownywalne.
2. Jesli B ⊆ A i kazde dwa elementy zbioru B s a porownywalne (tj. 〈B,≤〉 jest liniowouporz adkowany) to mowimy, ze B jest lancuchem w A.
3. Jesli B ⊆ A i kazde dwa rozne elementy zbioru B s a nieporownywalne, to mowimy,ze B jest anty lancuchem w A.
Ostrzezenie: W zbiorze cz esciowo uporz adkowanym z warunku x 6≤ y nie wynika x > y!Elementy x, y mog a byc nieporownywalne.
Porzadkowanie s low
Niech A b edzie ustalonym alfabetem. Przypomnijmy, ze s lowo nad A, d lugosci n, to funkcjaw : n→ A, i ze s lowo puste oznaczamy przez ε. Konkatenacj a (z lozeniem) s low w : n→ Ai v : m→ A nazywamy s lowo w · v powsta le przez dopisanie s lowa v na koncu s lowa w. Azatem w · v : n+m→ A, a dla i < n+m mamy:
(w · v)(i) =
w(i), jesli i < n;v(i− n), w przeciwnym przypadku.
.
Operacja konkatenacji jest l aczna, na przyk lad:
ein · (und · zwanzig) = (ein · und) · zwanzig = einundzwanzig
S lowo puste jest elementem neutralnym konkatenacji, tj. ε · w = w · ε = w dla dowolnegos lowa w.
Lemat 10.4 Dla dowolnych s low w, v ∈ A∗,
w ⊆ v ⇔ ∃u ∈ A∗(v = w · u).
Dowod: (⇒) Przypuscmy, ze w ⊆ v. Wtedy Dom(w) ⊆ Dom(v), a zatem |w| ≤ |v|.Niech k = |v| − |w|. Dla i < k, niech u(i) = v(|w|+ i). Wtedy v = w · u.
(⇐) Jesli v = w · u to oczywiscie w = v||w|, wi ec w ⊆ v.
A zatem w ⊆ v oznacza dok ladnie tyle, ze s lowo w jest przedrostkiem (prefiksem) s lowa v.Relacj e inkluzji w zbiorze A∗ nazywamy wi ec porz adkiem prefiksowym.
45
Cz esto przyjmujemy, ze alfabet A jest uporz adkowany przez jak as relacj e ≤. Wtedyw zbiorze A∗ mozemy okreslic porz adek leksykograficzny . Przyjmujemy, ze w v,gdy zachodzi jedna z mozliwosci
• w ⊆ v;
• Istnieje takie s lowo u, ze ua ⊆ w i ub ⊆ v, dla pewnych a, b ∈ A takich, ze a < b.
Na przyk lad, jesli a < b, to ε ab aba baba bba.
Lemat 10.5 Jesli wu = vu′ to w ⊆ v lub v ⊆ w.
Dowod: Niech x = wu = vu′. Wowczas w = x||w| i v = x||v|. Zatem nierownosc|w| ≤ |v| implikuje w ⊆ v a nierownosc przeciwna v ⊆ w.
Fakt 10.6 Porz adek leksykograficzny jest relacj a cz esciowego porz adku w zbiorze A∗. Jeslialfabet jest liniowo uporz adkowany, to porz adek leksykograficzny tez jest liniowy.
Dowod: Zwrotnosc relacji wynika ze zwrotnosci relacji ⊆. Aby udowodnic przechod-niosc za lozmy, ze w v i v x. Mamy do rozpatrzenia 4 przypadki.
Przypadek 1: w ⊆ v i v ⊆ x. Wtedy oczywiscie w ⊆ x.
Przypadek 2: w ⊆ v = uav′, oraz x = ubx′, gdzie a < b. Mamy tu dwie mozliwosci(Lemat 10.5): albo w ⊆ u albo u w. Wtedy odpowiednio, albo w ⊆ x, albo ua ⊆ w,czyli w = uaw′, a wtedy w x na mocy drugiej cz esci definicji.
Przypadek 3: w = uaw′ oraz v = ubv′ ⊆ x i a < b. Wtedy x = ubv′x′ i mamy w x namocy drugiej cz esci definicji.
Przypadek 4: w = uaw′ i v = ubv′ oraz jednoczesnie v = u′a′v′′ i x = u′b′x′ gdzie a < b ia′ < b′. Skoro v = ubv′ = u′a′v′′, to u ⊆ u′ lub u′ ⊆ u Jesli u u′ to x = ubx′′, wi ec w x.Podobnie, jesli u′ u, to w = u′a′w′′ i tez w x. Natomiast u = u′ implikuje x = ub′x′′,oraz a < b = a′ < b′. Zatem znowu w x.
Pozostaje wykazac antysymetri e. Niech wi ec w v i v w. Tu tez mamy cztery przy-padki, analogiczne do rozpatrzonych powyzej. Zauwazmy jednak, ze powtarzaj ac poprzed-nie rozumowanie dla x = w, w przypadkach 2,3 i 4 otrzymamy sprzecznosc. Okaze si ebowiem, ze w = uaw′ = ubw′′, gdzie a < b. Zostaje wi ec tylko przypadek 1, czyli w ⊆ vi v ⊆ w. A wi ec w = v.
Przypuscmy teraz, ze alfabet jest liniowo uporz adkowany. Wezmy dowolne w, v ∈ A∗
i przypuscmy na przyk lad, ze |w| ≤ |v|. Jesli w 6⊆ v, to istnieje takie i, ze i < |w| orazw(i) 6= v(i). Wybierzmy najmniejsze takie i. Oznaczmy s lowo w|i = v|i przez u. Jesliteraz w(i) < v(i) to w = uw(i)w′ uv(i)v′ = v. Podobnie, jesli v(i) < w(i) to v w.
46
Elementy wyroznione
Definicja 10.7 Niech 〈A,≤〉 b edzie cz esciowym porz adkiem i niech a ∈ A. Mowimy, zeelement a jest w zbiorze A:
najwi ekszy, gdy ∀x ∈ A (x ≤ a);maksymalny, gdy ∀x ∈ A (a ≤ x→ a = x);najmniejszy, gdy ∀x ∈ A (a ≤ x);minimalny, gdy ∀x ∈ A (x ≤ a→ a = x).
Fakt 10.8 Jesli a jest elementem najwi ekszym (najmniejszym) w 〈A,≤〉, to jest tez ele-mentem maksymalnym (minimalnym) i innych elementow maksymalnych (minimalnych)nie ma.
Dowod: Za lozmy, ze a jest najwi ekszy w A. Aby pokazac, ze jest maksymalny, przy-puscmy, ze a ≤ x. Ale skoro a jest najwi ekszy, to x ≤ a wi ec a = x. Niech teraz b ∈ Ab edzie tez elementem maksymalnym. Skoro a jest najwi ekszy, to b ≤ a wi ec b = a bo bjest maksymalny. A wi ec a jest jedynym elementem maksymalnym w A.
Przyk lad 10.9
• W zbiorze uporz adkowanym 〈N − 0, 1, | 〉, gdzie | oznacza relacj e podzielnosci,nie ma elementu najmniejszego ani zadnych elementow maksymalnych. Natomiastliczby pierwsze s a elementami minimalnymi.
• W zbiorze Z liczb ca lkowitych, uporz adkowanym przez zwyk l a relacj e ≤, nie mazadnych elementow minimalnych ani maksymalnych.
• Rozpatrzmy cz esciowy porz adek 〈Z ∪ ω,〉 gdzie ω 6∈ Z, oraz
x y ⇔ [(x, y ∈ Z) ∧ (x ≤ y)] ∨ [x = y = ω]
Ten porz adek ma tylko jeden element minimalny ω, ale nie ma elementu najmniej-szego.
Uwaga: Relacja odwrotna do relacji cz esciowo porz adkuj acej r tez jest relacj a cz esciowoporz adkuj ac a. Elementy minimalne ze wzgl edu na r s a elementami maksymalnymi zewzgl edu na r−1 i na odwrot. Podobny dualizm dotyczy elementow najwiekszych i naj-mniejszych. Dlatego wszystkie fakty dotycz ace elementow maksymalnych i najwi ekszychstosuj a si e tez odpowiednio do elementow minimalnych i najmniejszych.
47
Fakt 10.10
1) Kazdy skonczony i niepusty cz esciowy porz adek ma element maksymalny.
2) Jesli 〈A,≤〉 jest porz adkiem liniowym i a ∈ A jest jego elementem maksymalnym toa jest elementem najwiekszym.
3) A zatem kazdy skonczony i niepusty liniowy porz adek ma element najwiekszy.
4) Analogiczne fakty maj a miejsce w odniesieniu do elementow najmniejszych i mini-malnych.
Dowod: (1) Przez indukcj e ze wzgl edu na n ≥ 0 pokazemy, ze kazdy cz esciowyporz adek mocy n ma element maksymalny. Jesli zbior ma tylko jeden element to tenelement jest oczywiscie maksymalny. Za lozmy wi ec, ze teza zachodzi dla zbiorow n-elementowych i niech 〈A,≤〉 b edzie zbiorem cz esciowo uporz adkowanym o n + 1 elemen-tach. Wtedy mozemy przedstawic zbior A jako sum e A = B ∪ a, gdzie B jest zbioremn-elementowym, a zatem z za lozenia indukcyjnego ma element maksymalny b. Jesli terazb 6≤ a to b jest elementem maksymalnym w A. W przeciwnym razie elementem maksymal-nym jest a. Istotnie, przypuscmy, ze a ≤ c. Wtedy c = a (i dobrze) lub c ∈ B. W tymdrugim przypadku latwo zauwazyc, ze a = b = c, bo b jest maksymalny w B.
(2) Za lozmy, ze 〈A,≤〉 jest porz adkiem liniowym i a ∈ A jest maksymalny. Niech b ∈ A.Gdyby b 6≤ a to a ≤ b, wi ec a = b z maksymalnosci.
(3) Oczywista konsekwencja (1) i (2).
(4) Nalezy zastosowac (1), (2) i (3) do porz adku odwrotnego.
Definicja 10.11 Niech 〈A,≤〉 b edzie porz adkiem cz esciowym i niech B ⊆ A i a ∈ A.Mowimy, ze a jest ograniczeniem gornym zbioru B (oznaczenie a ≥ B), gdy b ≤ a dlawszystkich b ∈ B.
Element a jest kresem gornym zbioru B (oznaczenie a = supB), gdy jest najmniejszymograniczeniem gornym B, czyli:
• a ≥ B;
• jesli c ≥ B to c ≥ a, dla dowolnego c ∈ A.
Analogicznie definiujemy ograniczenia dolne (oznaczenie a ≤ B) i kresy dolne (oznaczeniea = inf B).
48
Przyk lad 10.12
• W rodzinie wszystkich podzbiorow zbioru A (uporz adkowanej przez inkluzj e) kresemgornym dowolnej podrodziny X ⊆ P(A) jest suma
⋃X.
• W rodzinie wszystkich wypuk lych10 podzbiorow p laszczyzny, kazdy podzbior X makres gorny. Kresem tym jest iloczyn wszystkich zbiorow wypuk lych zawieraj acychwszystkie zbiory z X. Zwykle nie jest to
⋃X, bo suma nie musi byc wypuk la.
• W zbiorze liczb wymiernych Q ze zwyk lym uporz adkowaniem zbior q ∈ Q | q2 < 2ma ograniczenia gorne ale nie ma kresu gornego.
• W zbiorze a, b, c, d uporzadkowanym jak na rysunku, podzbior c, d ma dwaograniczenia gorne, ale nie ma kresu gornego.
a b
c
OO @@d
OO^^>>>>>>>>>>>>>>>>
Nast epuj acy fakt podamy na razie bez dowodu (zob. Wniosek 13.12).
Twierdzenie 10.13 (Lemat Kuratowskiego-Zorna) Niech 〈A,≤〉 b edzie zbiorem cz es-ciowo uporz adkowanym, spe lniaj acym nast epuj acy warunek:
(*) Kazdy lancuch ma w A ograniczenie gorne
Wtedy w A istnieje element maksymalny.
Nast epuj ace twierdzenie stanowi wazny przyk lad zastosowania Lematu Kuratowskiego-Zorna. Przypomnijmy, ze podzbior A przestrzeni liniowej V jest niezalezny liniowo, jesliz warunku k1v1 + · · ·+ knvn = 0, gdzie v1, . . . , vn ∈ A, wynika k1 = · · · = kn = 0. Zbior Ajest baz a przestrzeni V , wtedy i tylko wtedy, gdy jest liniowo niezalezny, oraz kazdy elementprzestrzeni jest kombinacj a liniow a elementow zbioru A.
Twierdzenie 10.14 Kazda przestrzen liniowa ma baz e.
Dowod: Nietrudno zauwazyc, ze zbiorA jest baz a przestrzeni V wtedy i tylko wtedy, gdydodanie do zbioru A dowolnego nowego elementu powoduje utrat e liniowej niezaleznosci.A zatem baza to element maksymalny rodziny
10Zbior jest wypuk ly wtedy i tylko wtedy, gdy wraz z dowolnymi dwoma punktami zawiera odcinek l acz acy te punkty.
49
Z = A ⊆ V | A jest liniowo niezalezny,
uporz adkowanej przez inkluzj e. Uzyjemy wi ec Lematu Kuratowskiego-Zorna, aby wykazacistnienie elementu maksymalnego zbioru Z. W tym celu wystarczy stwierdzic, ze kazdy lancuch jest w Z ograniczony z gory. Niech wi ec L b edzie lancuchem w Z i niech B =
⋃ L.
Pokazemy, ze zbior B jest liniowo niezalezny.
Istotnie, przypuscmy, ze k1v1+· · ·+knvn = 0, gdzie v1, . . . , vn ∈ B. Skoro wektory v1, . . . , vn
nalez a do sumy lancucha L, to kazdy z nich nalezy do pewnego sk ladnika. St ad wynika,ze v1 ∈ A1, . . . , vn ∈ An dla pewnych A1, . . . , An ∈ L. Rodzina zbiorow A1, . . . , An jestskonczona i liniowo uporz adkowana przez inkluzj e, ma wi ec element najwi ekszy na mocyFaktu 10.10(3). To znaczy, ze dla pewnego i mamy v1, . . . , vn ∈ Ai, a przeciez zbior Ai
jest liniowo niezalezny. St ad kombinacja liniowa k1v1 + · · ·+ knvn = 0 musi byc trywialna:k1 = · · · = kn = 0.
Poniewaz B jest liniowo niezalezny, wi ec B ∈ Z, a przy tym oczywiscie B zawiera wszystkieelementy L, jest wi ec ograniczeniem gornym naszego lancucha w zbiorze Z. Spe lnione jestwi ec za lozenie Twierdzenia 10.13 i musi istniec element maksymalny.
11 Punkty sta le
Definicja 11.1 Niech 〈A,≤〉 b edzie porz adkiem cz esciowym.
• Podzbior B zbioru A jest skierowany wtedy i tylko wtedy, gdy dla dowolnych a, b ∈ Bistnieje takie c ∈ B, ze a, b ≤ c.
• Zbior A jest zupe lnym porz adkiem cz esciowym (cpo) wtedy i tylko wtedy, gdy kazdyjego skierowany podzbior ma kres gorny.
• Zbior A jest krat a zupe ln a wtedy i tylko wtedy, gdy kazdy podzbior A ma kres gorny.
Oczywiscie kazdy lancuch jest zbiorem skierowanym. W szczegolnosci elementy dowolnegoci agu wst epuj acego a0 ≤ a1 ≤ a2 ≤ . . . tworz a zbior skierowany. Takze zbior pustyjest zbiorem skierowanym. Z definicji porz adku zupe lnego wynika wi ec istnienie elementunajmniejszego sup ∅, tradycyjnie oznaczanego przez ⊥.
Fakt 11.2 W kracie zupe lnej kazdy podzbior ma kres dolny.
Dowod: Niech 〈A,≤〉 b edzie krat a zupe ln a i niech B ⊆ A. Przez C oznaczmy zbiorwszystkich ograniczen dolnych zbioru B:
C = x ∈ A | x ≤ B.
50
Teraz jesli b ∈ B to b ≥ C, wi ec dla c = supC mamy b ≥ c. To znaczy, ze c jestograniczeniem dolnym zbioru B. Co wi ecej, c jest kresem dolnym, bo x ≤ B oczywiscieimplikuje x ≤ c.
Definicja 11.3 Niech 〈A,≤〉 i 〈B,≤〉 b ed a porz adkami cz esciowymi.
• Funkcja f : A → B jest monotoniczna wtedy i tylko wtedy, gdy dla dowolnychx, y ∈ A nierownosc x ≤ y implikuje f(x) ≤ f(y).
• Jesli 〈A,≤〉 i 〈B,≤〉 s a zupe lnymi porz adkami cz esciowymi to funkcja f : A → Bjest ci ag la wtedy i tylko wtedy, gdy f zachowuje kresy gorne niepustych zbiorowskierowanych, tj. dla dowolnego skierowanego i niepustego podzbioru X ⊆ A istnieje
sup→f (X) i zachodzi rownosc f(supX) = sup
→f (X).
• Jesli f : A → A oraz f(a) = a, to mowimy, ze a jest punktem sta lym funkcji f .Najmniejszy punkt sta ly danej funkcji to najmniejszy element zbioru wszystkich jejpunktow sta lych (o ile taki istnieje).
Fakt 11.4 Kazda funkcja ci ag la jest monotoniczna.
Dowod: Niech x ≤ y. Wtedy zbior x, y jest skierowany, a jego kresem gornym jest y.Zatem f(y) jest kresem gornym zbioru f(x), f(y), czyli f(x) ≤ f(y).
Uwaga*: Zbior cz esciowo uporz adkowany nazywamy krat a, gdy kazdy jego dwuelementowy podzbior makres gorny i kres dolny. Cwiczenie: pokazac, ze krata zupe lna to to samo co krata, ktora jest cpo.
Twierdzenie 11.5 Jesli zbior cz esciowo uporz adkowany 〈A,≤〉 jest krat a zupe ln a, to kazdafunkcja monotoniczna f : A→ A ma najmniejszy punkt sta ly.
Dowod: Rozpatrzmy zbior B = x ∈ A | f(x) ≤ x. Niech a = inf B. Pokazemy, ze ajest najmniejszym punktem sta lym funkcji f .
Dla dowolnego x ∈ B mamy a ≤ x, wi ec f(a) ≤ f(x) ≤ x. Zatem f(a) jest ograniczeniemdolnym zbioru B, sk ad f(a) ≤ a, bo a jest kresem dolnym.
Ale skoro f(a) ≤ a, to takze f(f(a)) ≤ f(a), wi ec f(a) ∈ B. Zatem a ≤ f(a) i mamyrownosc.
Poniewaz wszystkie punkty sta le funkcji f musz a nalezec do B, wi ec a jest najmniejszympunktem sta lym.
Nie zawsze mamy do czynienia z kratami zupe lnymi. Ale jesli funkcja jest ci ag la, to moznato za lozenie os labic. Przypomnijmy, ze dla dowolnej funkcji f : A→ A notacja fn oznaczan-krotne z lozenie funkcji f , tj. f 0 = idA oraz fn+1 = f fn.
51
Twierdzenie 11.6 Jesli 〈A,≤〉 jest zupe lnym porz adkiem cz esciowym to kazda funkcjaci ag la f : A→ A ma najmniejszy punkt sta ly, ktorym jest supfn(⊥) | n ∈ N.
Dowod: Oczywiscie ⊥ ≤ f(⊥). Poniewaz f jest monotoniczna (Fakt 11.4), wi ec przez latw a indukcj e wnioskujemy, ze ci ag fn(⊥) jest wst epuj acy: fn(⊥) ≤ fm(⊥) dla n ≤ m.A zatem zbior fn(⊥) | n ∈ N jest skierowany i faktycznie ma kres gorny. Z ci ag loscifunkcji dostajemy
f(supfn(⊥) | n ∈ N) = supfn+1(⊥) | n ∈ N = supfn(⊥) | n ∈ N,
czyli a = supfn(⊥) | n ∈ N jest punktem sta lym. Pozostaje sprawdzic, ze jest najmniej-szy.
Jesli b jest innym punktem sta lym, to przez indukcj e wnioskujemy, ze fn(⊥) ≤ b dladowolnego n ∈ N. (Zaczynamy od oczywistej nierownosci ⊥ ≤ b, a krok indukcyjnywynika z monotonicznosci: fn+1(⊥) ≤ f(b) = b.) A zatem b ≥ fn(⊥) | n ∈ N sk adb ≥ a.
Omowimy teraz kilka przyk ladow, w ktorych wyst epuj a punkty sta le przekszta lcen mono-tonicznych. Pierwszy przyk lad dotyczy dosyc typowej sytuacji gdy pewien zbior rozsze-rzamy o nowe elementy, tak aby otrzymac nowy zbior zamkni ety ze wzgl edu na pewneoperacje.
Przyk lad 11.7 Niech r b edzie relacj a w zbiorze A. Przypomnijmy, ze (s; s′) oznaczaz lozenie relacyj s i s′. Rozpatrzmy zbior P(A × A) uporz adkowany przez inkluzj e, orazfunkcj e f : P(A× A)→ P(A× A) okreslon a tak:
f(s) = r ∪ s ∪ (s; s).
Funkcja f jest ci ag la, wi ec ma najmniejszy punkt sta ly. Jest to relacja r+, ktora jestnajmniejsz a relacj a przechodni a zawieraj ac a r. Zeby si e o tym przekonac, nalezy zauwazyc,ze warunek f(s) = s zachodzi wtedy i tylko wtedy, gdy s jest przechodnie (tj. (s; s) ⊆ s)oraz r ⊆ s. Relacj e r
+ nazywamy domkni eciem przechodnim relacji r.
Nast epny przyk lad jest raczej nieformalny, ale bardziej”informatyczny”. Typy rekuren-
cyjne (indukcyjne) tez mog a byc uwazane za punkty sta le.
Przyk lad 11.8 Przyjmijmy, ze 1 oznacza typ jednostkowy, ktorego jedynym elementemjest nil. Niech τ×σ i τ+σ oznaczaj a odpowiednio produkt i sum e prost a (roz l aczn a) typowτ i σ. Wowczas typ listy liczb ca lkowitych (oznaczmy go przez list) mozna utozsamiacz typem 1 + (int × list). Inaczej mowi ac, typ list mozna uwazac za najmniejszy punktsta ly operatora F , ktory dowolnemu typowi α przypisuje typ F (α) = 1+(int×α). Typ listjest sum a ci agu przyblizen⊥, F (⊥), F 2(⊥), . . . gdzie⊥ to typ pusty, a kazde z F n(⊥) sk ladasi e z list d lugosci co najwyzej n− 1.
52
Przedsmak semantyki denotacyjnej
Kolej na nieco bardziej rozbudowany przyk lad. Rozpoczniemy od definicji.
Definicja 11.9 Funkcja cz esciowa ze zbioru A do zbioruB to dowolna funkcja f : A′ → B,gdzie A′ ⊆ A. Piszemy f : A − B. Jesli f : A − B oraz Dom(f) = A to mowimy,ze f jest funkcj a ca lkowit a.
Na potrzeby tego wyk ladu oznaczymy zbior wszystkich funkcji cz esciowych z A do B przez[A − B]. Zbior [A − B] jest cz esciowo uporz adkowany przez inkluzj e. Co wi ecej, jestto porz adek zupe lny (chociaz nie krata zupe lna).
Funkcje cz esciowe z A do B wygodnie jest utozsamiac z funkcjami ca lkowitymi z A doB⊥ = B ∪ ⊥, gdzie ⊥ 6∈ B reprezentuje
”wartosc nieokreslon a”. Jesli umowimy si e, ze
zbior B⊥ jest uporz adkowany tak:
b ≤ b′ wtedy i tylko wtedy, gdy b = ⊥ lub b = b′,
to mozemy zauwazyc, ze zbior [A − B] ma uporz adkowanie”po wspo lrz ednych”:
f ⊆ g wtedy i tylko wtedy, gdy ∀a ∈ A (f(a) ≤ g(a)).
Rozpatrzmy teraz nast epuj ac a rekurencyjn a definicj e funkcji cz esciowej f : Z× Z − Z.
f(m,n) = if m = n then 0 else f(m+ 3, n) + 3 fi (*)
Ta definicja, rozumiana jako rownanie na funkcjach cz esciowych, nie wyznacza jednoznacz-nie funkcji f . Rownanie ma wi ecej niz jedno rozwi azanie. Inaczej mowi ac, operator nafunkcjach cz esciowych
Φ : [Z× Z − Z]→ [Z× Z − Z],
okreslony warunkiem
Φ(f)(m,n) = if m = n then 0 else f(m+ 3, n) + 3 fi,
ma wi ecej niz jeden punkt sta ly. Ale tylko jeden z tych punktow sta lych odpowiadaobliczeniowemu rozumieniu definicji rekurencyjnej (*). Jest to najmniejszy punkt sta ly.Funkcja f obliczana przez program zadany rownaniem (*) jest sum a ci agu funkcyj cz es-ciowych fk = Φk(⊥) gdzie⊥ to funkcja nigdzie nie okreslona. Latwo widziec, ze fk okreslonejest dla tych par 〈m,n〉 dla ktorych obliczenie wymaga nie wi ecej niz k−1 odwo lan rekuren-cyjnych.
Cwiczenie: Wyznaczyc kilka pocz atkowych wartosci ci agu Φk(⊥), gdzie Φ jest zadanedefinicj a rekurencyjn a
f(m) = if m ≤ 1 then 1 else f( if parzyste(m) then m/2 else 3m+ 1 fi ) fi
53
Bisymulacje
Najmniejsze punkty sta le wyst epuj a wsz edzie tam, gdzie mamy do czynienia z indukcj a,rekursj a itp. Ale czasami przydatne jest tez poj ecie najwi ekszego punktu sta lego. Mowimywtedy o ko-indukcji . Na przyk lad najmniejszym rozwi azaniem rownania α = int× α jestoczywiscie typ pusty. A najwi ekszym? Typ stream, ktorego elementy to nieskonczoneci agi liczb ca lkowitych. Nazywamy je strumieniami liczb ca lkowitych. Typ stream jestkresem dolnym zst epuj acego ci agu typow >, G(>), G2(>), . . . gdzie > to typ
”pe lny” (typ
dowolnego obiektu), oraz G(α) = int× α.
Zajmiemy si e teraz obszerniejszym przyk ladem najwiekszego punktu sta lego. Przypuscmy,ze dany jest pewien zbior A, w ktorym okreslona jest rodzina P relacji dwuargumentowych.O elementach A myslimy jako o mozliwych stanach pewnego procesu, a relacje ze zbioru Preprezentuj a rozne rodzaje mozliwych przejsc pomi edzy stanami. Aby to podkreslic, za-miast 〈a, b〉 ∈ α (dla α ∈ P ) piszemy a α b.
Powiemy, ze relacja ∼ w zbiorze A jest (cz esciow a) bisymulacj a11, gdy dla dowolnych
a1, a2 ∈ A takich, ze a1 ∼ a2, i dowolnego α ∈ P , zachodz a nast epuj ace warunki:
• Jesli a1 α b1 dla pewnego b1, to istnieje takie b2, ze a2 α b2 i b1 ∼ b2.
• Jesli a2 α b2 dla pewnego b2, to istnieje takie b1, ze a1 α b1 i b1 ∼ b2.
Sens tej definicji jest taki: warunek a1 ∼ a2 gwarantuje, ze kazde mozliwe zachowanieprocesu uruchomionego w stanie a1 jest tez mozliwe, gdy proces uruchomimy w stanie a2,i na odwrot.
Zauwazmy teraz, ze suma wszystkich bisymulacji cz esciowych jest bisymulacj a. Jest tonajwi eksza mozliwa bisymulacja. Oznaczymy j a przez ≈ i nazwiemy pe ln a bisymulacj a
12.A wi ec warunek a1 ≈ a2 to najs labszy warunek gwarantuj acy takie samo zachowanie pro-cesu w obu stanach.
Rozpatrzmy teraz nast epuj acy operator F : P(A× A)→ P(A× A):
F(r) = 〈a1, a2〉 | ∀α∀b1 (a1 α b1 → ∃b2 (b1 r b2 ∧ a2 α b2))∩ 〈a1, a2〉 | ∀α∀b2 (a2 α b2 → ∃b1 (b1 r b2 ∧ a1 α b1)).
Nietrudno zauwazyc, ze F jest operatorem monotonicznym, i ze cz esciowe bisymulacje todok ladnie te relacje, ktore spe lniaj a warunek r ⊆ F(r). cz esciowe bisymulacje. Pe lnabisymulacja jest najwi ekszym punktem sta lym operatora F (porownajmy to z konstrukcj aw dowodzie twierdzenia 11.5). Co wi ecej, relacja ≈ jest iloczynem (kresem dolnym) zst epu-j acego ci agu relacyj >,F(>),F2(>), . . . Symbol > oznacza oczywiscie relacj e pe ln a A×A,
11Ang.: bisimulation.12Ang.: bisimilarity.
54
czyli najwi ekszy element kraty zupe lnej P(A × A). Zauwazmy jeszcze, ze k-te przyblize-nie Fk(>) relacji ≈ mozna interpretowac jako najs labsz a relacj e gwarantuj ac a takie samezachowanie procesu przez pierwsze k krokow. Jako cwiczenie warto udowodnic, ze:
Fakt 11.10 Pe lna bisymulacja jest relacj a rownowaznosci.
12 Izomorfizmy porzadkow
Cz esto mamy do czynienia z dwoma zbiorami, ktore s a rozne, ale”tak samo” uporz ad-
kowane. Takie porz adki nazywamy izomorficznymi.
Definicja 12.1 Mowimy, ze zbiory cz esciowo uporz adkowane 〈A,≤〉 i 〈B,≤〉 s a izomor-
ficzne, gdy istnieje bijekcja f : A1−1−→na
B spe lnaj aca warunek
a ≤ a′ ⇔ f(a) ≤ f(a′),
dla dowolnych a, a′ ∈ A. Piszemy wtedy 〈A,≤〉 ≈ 〈B,≤〉 (albo po prostu A ≈ B),a funkcj e f nazywamy izomorfizmem.
Jesli dwa zbiory cz esciowo uporz adkowane s a izomorficzne i jeden z nich
• ma element najmniejszy, najwi ekszy, maksymalny, minimalny;13
• jest liniowo uporz adkowany;
• jest cpo, jest krat a zupe ln a;
• i tak dalej,
to ten drugi tez ma odpowiedni a w lasnosc. Zamiast”i tak dalej” mozna wstawic dowolny
warunek dotycz acy tylko relacji porz adkuj acej.
Przyk lad 12.2
• Zbior wszystkich liczb naturalnych N jest izomorficzny14 z podzbiorem
A = 1− 1n| n ∈ N− 0
zbioru liczb rzeczywistych.
13Niepotrzebne skreslic.14Jesli mowa o N, R itp., to domyslnie zak ladamy, ze chodzi o ”zwyk ly” porz adek, chyba ze wyraznie
przyj eto inaczej.
55
• Zadne dwa sposrod zbiorow: A, A∪ 1, A∪ 1, 2, B = m− 1n| m,n ∈ N− 0,
nie s a izomorficzne. Na przyk lad A 6≈ A ∪ 1, bo A nie ma elementu najwi ekszego.
Mniej oczywisty jest nastepny fakt. Mowimy, ze zbior liniowo uporz adkowany A jest g esty ,gdy dla dowolnych a, b ∈ A, jesli a < b to a < c < b dla pewnego c.
Twierdzenie 12.3
• Kazdy przeliczalny zbior liniowo uporz adkowany jest izomorficzny z pewnym podzbio-rem zbioru Q wszystkich liczb wymiernych.
• Kazdy przeliczalny zbior g esty bez koncow (tj. bez elementu najwi ekszego i najmniej-szego) jest izomorficzny z Q.
Dowod: Za lozmy, ze 〈A,≤〉 jest przeliczalnym zbiorem liniowo uporz adkowanym. Bezstraty ogolnosci zak ladamy, ze A jest nieskonczony, tj. A = an | n ∈ N, gdzie wszystkie an
s a rozne. Podobnie, zbior liczb wymiernych przedstawimy w postaci Q = qn | n ∈ N,gdzie wszystkie qn s a rozne.
Okreslamy funkcj e f : A1−1−→ Q, definiuj ac f(an) przez indukcj e ze wzgl edu na n, w ten
sposob, aby dla dowolnych i, j ≤ n zachodzi la rownowaznosc:
ai < aj wtedy i tylko wtedy, gdy f(ai) < f(aj). (∗)
Przypuscmy wi ec, ze f(ai) s a juz okreslone dla i < n, i ze za lozenie indukcyjne (∗) zachodzidla i, j < n. Ustawmy w ci ag rosn acy ai1 < ai1 < · · · < ain elementy a0, . . . , an−1. Wtedyliczby f(ai1) < f(ai1) < · · · < f(ain) takze tworz a ci ag rosn acy.
Jesli n = 0, to przyjmijmy X0 = A i Y0 = Q. Jesli zas n > 0, to niech
• X0 = a ∈ A | a < ai1 oraz Y0 = (−∞, f(ai1)) ∩Q;
• Xj = a ∈ A | aij < a < aij+1 oraz Yj = (f(aij ), f(aij+1
))∩Q, dla j ∈ 1, . . . , n−1;
• Xn = a ∈ A | ain < a oraz Yn = (f(ain),∞) ∩Q.
Element an, dla ktorego chcemy okreslic wartosc f(an), nalezy do jednego ze zbiorowX0, X1, . . . , Xn, powiedzmy do X`. Nazwijmy go przedzia lem krytycznym dla n. Elementyzbioru Y` nazwiemy zas liczbami dozwolonymi dla n. Aby zachodzi l warunek (∗), wystarczy,aby f(an) by lo dozwolone dla n. Niech wi ec f(an) = qm, gdzie m = mink ∈ N | qk ∈ Y`.
Za lozmy teraz, ze A jest g esty i nie ma koncow. Wtedy okreslona wyzej funkcja f jestizomorfizmem porz adkow. Wystarczy w tym celu sprawdzic, ze f jest surjekcj a.
56
Przypuscmy wi ec, ze tak nie jest i niech m = mink | qk 6∈ Rg(f). Liczby qj dla j < m,dziel a zbior Q na m+ 1 przedzia low, a do jednego z nich nalezy qm. Przypuscmy, ze jest toprzedzia l (ql, qr). (W przypadku, gdy jest to przedzia l niew lasciwy, dowod jest podobny.)Mamy wi ec l, r < m oraz qj 6∈ (ql, qr) dla j < m. Ponadto ql, qr ∈ Rg(f), czyli ql = f(ap)i qr = f(as) dla pewnych p, s. Niech d = mink | ap < ak < as i niech f(ad) = qx.Poniewaz funkcja f zachowuje porz adek i jest injekcj a, wi ec na pewno qx ∈ (ql, qr), sk admamy x > m.
Przedzia l krytyczny dla d jest wyznaczony przez jedn a lub dwie sposrod liczb a0, a1, . . . , ad−1,z ktorych zadna nie nalezy do zbioru C = a ∈ A | ap < a < as. Zatem zbior C jestzawarty w przedziale krytycznym, a wszystkie liczby z przedzia lu (ql, qr), w tym qm, s adozwolone dla d. Tu otrzymujemy sprzecznosc, bo liczb a dozwolon a dla d o najmniejszymnumerze jest qx, a przeciez x > m.
Definicja 12.4 Niech 〈A,≤〉 b edzie zbiorem cz esciowo uporz adkowanym. Jesli kazdy nie-pusty podzbior zbioru A ma element minimalny, to mowimy, ze 〈A,≤〉 jest cz esciowymdobrym porz adkiem, lub, ze jest dobrze ufundowany . Jesli ponadto porz adek 〈A,≤〉 jestliniowy, to mowimy, ze jest to dobry porz adek. (Wtedy kazdy niepusty podzbior A maelement najmniejszy.)
Przyk lad 12.5
• Wszystkie zbiory z Przyk ladu 12.2 s a dobrze uporz adkowane.
• Zbiory Z, Q, R nie s a dobrze uporz adkowane.
• Relacja ⊆ jest dobrym ufundowaniem zbioru A∗.
• Jesli w A s a dwa elementy a, b, takie ze a < b to porz adek leksykograficzny ,wyznaczony przez ≤, nie jest dobrym ufundowaniem zbioru A∗. (Zbior anb | n ∈ Nnie ma elementu minimalnego.)
Fakt 12.6 Zbior 〈A,≤〉 jest dobrze ufundowany wtedy i tylko wtedy, gdy nie istnieje w nimci ag malej acy, tj. taki podzbior ai | i ∈ N, ze ai+1 < ai dla dowolnego i.
Dowod: (⇒) Gdyby taki istnia l, to by nie mia l elementu minimalnego.
(⇐) Wezmy niepusty podzbior B ⊆ A i przypuscmy, ze B nie ma elementu minimalnego.Skoro B jest niepusty to ma jakis element b0. On oczywiscie nie jest minimalny, wi ecjest takie b1 ∈ B, ze b1 < b0. I tak dalej: przez indukcj e
15 okreslamy ci ag malej acyb0 > b1 > b2 > · · ·
15Owszem, ta konstrukcja wymaga pewnika wyboru. I co z tego?
57
Drzewa
Definicja 12.7 Podzbior B zbioru cz esciowo uporz adkowanego A nazywamy odcinkiempocz atkowym w A, gdy
∀x, y ∈ A (x ∈ B ∧ y ≤ x→ y ∈ B).
Szczegolny przypadek odcinka pocz atkowego to odcinek wyznaczony przez element x ∈ A:
OA(x) = y ∈ A | y < x.
Uwaga: nierownosc w definicji OA(x) jest ostra, tj. x 6∈ OA(x). Jesli wiadomo o jaki zbiorchodzi, to zamiast OA(x) piszemy po prostu O(x).
Definicja 12.8 Jesli w zbiorze cz esciowo uporz adkowanym mamy a < b, ale dla zadnego cnie zachodzi a < c < b, to mowimy, ze a jest bezposrednim poprzednikiem b, i ze b jestbezposrednim nastepnikiem a.
Definicja 12.9 Zbior cz esciowo uporz adkowany 〈T,≤〉 nazywamy drzewem, gdy spe lniaon nast epuj ace warunki:
1) Istnieje element najmniejszy.
2) Kazdy odcinek postaci OT (x) jest skonczonym16 lancuchem.
Niech A b edzie dowolnym alfabetem (niekoniecznie skonczonym). Niepusty podzbior TzbioruA∗ nazywamy drzewem s low (nadA), gdy jest on odcinkiem pocz atkowym w 〈A∗,⊆〉,czyli gdy spe lniony jest warunek
∀w, u ∈ A∗ (w · u ∈ T → w ∈ T ).
Na przyk lad nast epuj acy zbior jest drzewem s low nad alfabetem a, b:
ε, a, b, aa, ab, ba, bb, aaa, aab, abb, bab, bba, bbb, aaba, aabb, baba, bbab.
Przedstawiamy go tak jak na Rysunku 3.17
Twierdzenie 12.10 Kazde drzewo jest izomorficzne z pewnym drzewem s low.
16Czasami drzewem nazywa si e kazdy porz adek, ktory ma element najmniejszy i w ktorym wszystkiezbiory O(x) s a dobrze uporz adkowane (ale niekoniecznie skonczone).
17Jak wiadomo, drzewa rosn a zwykle z gory na do l.
58
•a
b
;;;
;;;;
;;;
•a
b
---
----
- •
a
b
;;;
;;;;
;;;
•
a
b
---
----
- •
b
---
----
- •
b
---
----
- •
a
b
---
----
-
• •
a
b
---
----
- • •
a
•
b
---
----
- •
• • • •
Rysunek 3: Drzewo
Dowod: Niech 〈T,≤〉 b edzie drzewem. Dla a ∈ T , przez Sa oznaczymy zbior wszystkich
bezposrednich nastepnikow a. Wezmy dowolny zbior A spe lniaj acy warunek A ≥ Sa, dla
dowolnego a ∈ T . Istniej a wtedy funkcje ξa : Sa1−1−→ A.
Poniewaz T spe lnia warunki (1) i (2), wi ec T =⋃Tn | n ∈ N, gdzie
Tn = a ∈ T | O(a) ≤ n.
Przy tym T0 = ⊥, gdzie a0 jest najmniejszym elementem T . Okreslimy przez indukcj e
wst epuj acy ci ag funkcji fn : Tn1−1−→ A∗, w ten sposob aby dla dowolnych a, b ∈ Tn za-
chowany by l warunek
a ≤ b ⇔ fn(a) ≤ fn(b),
oraz by obraz Rg(fn) by l drzewem s low. Szukanym izomorfizmem b edzie wtedy oczywiscief =
⋃fn | n ∈ N.
Zaczynamy od f0(⊥) = ε. Jesli funkcja fn jest juz okreslona, to przyjmujemy
fn+1(b) =
fn(b), jesli b ∈ Tn;fn(a) · ξa(b), jesli b ∈ Tn+1 − Tn i a jest bezposrednim poprzednikiem b.
Uwaga: Konstrukcj e powyzej mozna uwazac za definicj e indukcyjn a
f(⊥) = ε, f(b) = f(a) · ξa(b), gdy b ma bezposredni poprzednik a.
59
Definicja 12.11
1. Ga l ezi a w drzewie T nazywamy dowolny ci ag postaci ε = a0, a1, a2, . . . (skonczonylub nieskonczony) gdzie kazde ai+1 jest bezposrednim nastepnikiem ai.
2. Mowimy, ze T jest drzewem o skonczonym rozga l ezieniu, jesli kazdy element T maskonczenie wiele bezposrednich nastepnikow.
Twierdzenie 12.12 (Lemat Koniga) Jesli T jest nieskonczonym drzewem o skonczonymrozga l ezieniu to w T jest ga l az nieskonczona.
Dowod: Dla a ∈ T niech Ta = b ∈ T | a ≤ b. Przez indukcj e konstruujemy nieskon-czon a ga l az ε = a0, a1, a2, . . . w ten sposob, aby dla kazdego i zbior Tai
by l nieskonczony.Krok bazowy jest poprawny, bo Tε = T . Jesli teraz Tan jest zbiorem nieskonczonym,oraz an ma tylko skonczenie wiele bezposrednich nastepnikow b1, . . . , bk, to zauwazmy, zeTan = an ∪ Tb1 ∪ · · · ∪ Tbk
, wi ec ktorys ze zbiorow Tbj, . . . , Tbk
musi byc nieskonczony,powiedzmy Tbj
. Jako an+1 mozemy wi ec przyj ac bj.
Lemat Koniga ma rozmaite zastosowania. Cz esto uzywamy go, aby pokazac, ze pewneobliczenia musz a si e zakonczyc w ograniczonym czasie. Spojrzmy na dwa przyk lady.
Definicja 12.13 Relacja → w zbiorze A ma w lasnosc silnej normalizacji (SN) wtedyi tylko wtedy, gdy nie istnieje nieskonczony ci ag postaci a0 → a1 → a2 → · · ·
Fakt 12.14 Za lozmy, ze relacja→ w zbiorze A ma w lasnosc SN oraz dla dowolnego a ∈ A,zbior Sa = b ∈ A | a → b jest skonczony. Wowczas dla dowolnego a ∈ A istnieje takaliczba n, ze kazdy ci ag postaci a = a0 → a1 → a2 → · · · → ak spe lnia warunek k ≤ n.
Dowod: Ustalmy a ∈ A i niech T ⊆ A∗ b edzie zbiorem wszystkich s low postacia0a1 . . . ak, gdzie a0 = a oraz ai → ai+1 dla i < k. Zbior T z porz adkiem prefiksowymjest drzewem o skonczonym rozga l ezieniu, a zatem teza wynika z lematu Koniga.
Nastepny przyk lad dotyczy problemu znanego st ad, ze jego algorytmiczne rozwi azanie jestw ogolnym przypadku niemozliwe. Przypuscmy, ze dany jest skonczony zbior K (doz-wolonych rodzajow kafelkow). Na zbiorze K mamy okreslone relacje zgodnosci poziomej ri pionowej s. Jesli M ⊆ Z×Z, to mowimy, ze funkcja f : M → K jest pokryciem zbioru M ,gdy zachodz a warunki
〈f(x, y), f(x+ 1, y)〉 ∈ r 〈f(x, y), f(x, y + 1)〉 ∈ s
dla wszystkich x, y dla ktorych odpowiednie punkty lez a w zbiorze M . Mowi ac o pokryciuzbioru M ⊆ R× R mamy na mysli pokrycie dla M ∩ (Z× Z).
60
Fakt 12.15 Jesli istnieje pokrycie dowolnie wielkiego kwadratu to istnieje pokrycie ca lejp laszczyzny.
Dowod: Niech Wn = p ∈ Z | − n < p < n, gdzie n ∈ N i niech
T = f | f jest pokryciem W 2n dla pewnego n ∈ N.
Zbior T uporz adkowany przez inkluzj e jest drzewem o skonczonym rozga l ezieniu. Istot-
nie, kazde pokrycie kwadratu Wn o boku 2n − 1 ma co najwyzej (K)8n rozszerzen dopokrycia kwadratu Wn+1. Drzewo T jest nieskonczone, bo istniej a pokrycia dowolnie wiel-kich kwadratow, a zatem ma nieskonczon a ga l az ∅ ⊆ f1 ⊆ f2 ⊆ f3 ⊆ . . ., gdzie kazde fn
jest pokryciem W 2n . Suma wszystkich funkcji fn stanowi pokrycie ca lej p laszczyzny.
Indukcja
Zasada indukcji, ktor a znamy dla liczb naturalnych, uogolnia si e latwo na dowolne zbiorydobrze ufundowane. Te uogolnion a zasad e indukcji nazywamy czasem indukcj a strukturaln alub noetherowsk a.
Fakt 12.16 (Zasada indukcji) Niech 〈A,≤〉 b edzie dobrze ufundowany i niech P ⊆ A.Za lozmy, ze dla dowolnego a ∈ A zachodzi implikacja:
OA(a) ⊆ P ⇒ a ∈ P .
Wtedy P = A.
Dowod: Przypuscmy, ze P 6= A. Zbior A − P jest wtedy niepusty i ma elementminimalny a. Z minimalnosci mamy jednak OA(a) ⊆ P , wi ec a ∈ P .
Nastepuj aca definicja jest nam potrzebna do podania przyk ladu zastosowania indukcjinoetherowskiej.
Definicja 12.17 Niech→ b edzie relacj a binarn a w zbiorze A. Wtedy przez→→ oznaczamynajmniejsz a relacj e zwrotn a i przechodni a zawieraj ac a → (domkni ecie przechodnie sumyrelacji → i relacji identycznosciowej). Symbol ← (odp. ←←) oznacza oczywiscie relacj eodwrotn a do → (odp. →→). Piszemy a ↓ b gdy istnieje takie c, ze a →→ c ←← b. Mowimy,ze → ma w lasnosc Churcha-Rossera (CR), gdy dla dowolnych a, b, c ∈ A
jesli b←← a→→ c to b ↓ c.
Relacja → ma s lab a w lasnosc Churcha-Rossera (WCR), gdy dla dowolnych a, b, c ∈ A:
61
jesli b← a→ c to b ↓ c.
Zauwazmy, ze w lasnosc CR nie wynika z WCR. Najprostszy przyk lad jest chyba taki:
• ←− • ←→ • −→ •
Fakt 12.18 (Lemat Newmana) Relacja o w lasnosciach WCR i SN ma tez w lasnosc CR.
Dowod: Za lozmy, ze relacja → w zbiorze A ma w lasnosci WCR i SN. Na pocz atek za-uwazmy, ze relacja ←← jest dobrze ufundowanym cz esciowym porz adkiem. Istotnie, zwrot-nosc i przechodniosc wynikaj a z samej definicji, a antysymetria z silnej normalizacji. A za-tem zbior 〈A,←←〉 jest dobrze ufundowany i mozemy zastosowac indukcj e ze wzgl edu naporz adek ←←. Udowodnimy, ze kazdy element a ma w lasnosc:
”Dla dowolnych b, c, jesli b←← a→→ c, to b ↓ c.”
Jesli a = b lub a = c to teza jest oczywista. Za lozmy wi ec (zob. Rysunek 4), ze
b←← b1 ← a→ c1 →→ c.
Na mocy WCR jest takie d, ze b1 →→ d ←← c1. Z za lozenia indukcyjnego, zastosowanegodo b1 i c1 mamy wi ec b→→ e←← d→→ f ←← c1, dla pewnych e, f . Teraz mozemy zastosowacza lozenie indukcyjne dla d. Dostaniemy takie g, ze e →→ g ←← f . Ale wtedy takzeb→→ g ←← c.
a
???
????
b1
??
??
c1
???
????
b
??
?? d
??
??
c
e
??
??
f
g
Rysunek 4: Dowod lematu Newmana
62
13 Porzadki dobre
Zaczynamy od dwoch nietrywialnych przyk ladow dobrych porz adkow.
Fakt 13.1 Dla dowolnego k, zbior Nk, z lozony z k-elementowych ci agow liczb naturalnych(s low d lugosci k) jest dobrze uporz adkowany przez porz adek leksykograficzny (wyznaczonyprzez zwyk le uporz adkowanie zbioru N).
Dowod: Indukcja ze wzgl edu na k. Dla k = 0, 1, teza jest oczywista. Za lozmy wi ec, zezbior Nk jest dobrze uporz adkowany i niech B ⊆ Nk+1 b edzie niepusty. Przyjmijmy:
• b = minn | ∃w ∈ B (w(0) = n);
• B′ = w ∈ Nk | bw ∈ B.
Zbior B′ jest niepustym podzbiorem Nk, ma wi ec element najmniejszy w. S lowo bw jestwtedy najmniejszym elementem B.
Czasami wygodne jest poj ecie”zbioru z powtorzeniami”, czyli multizbioru. Formalnie
multizbiory definiujemy jako funkcje. Na przyk lad multizbior 1, 2, 2, 3, 4, 4, 4 to takafunkcja M , ze M(1) = M(3) = 1, M(2) = 2 i M(4) = 3. Dla x 6= 1, 2, 3, 4 przyjmujemyM(x) = 0.
Definicja 13.2 Multizbiorem nad A nazywamy dowolna funkcj e M : A→ N.
W stosunku do multizbiorow uzywamy notacji teoriomnogosciowej, pami etaj ac, ze nienalezy jej w tym przypadku rozumiec dos lownie. Na przyk lad piszemy a ∈M gdyM(a) > 0oraz M ⊆ N gdy M(a) ≤ N(a) dla wszystkich a ∈ A. Mozemy tez okreslic dzia lania namultizbiorach, przyjmuj ac
(M ∪N)(a) = M(a) +N(a), oraz (M −N)(a) = max0,M(a)−N(a),
dla dowolnego a ∈ A. Powiemy, ze multizbior jest skonczony , gdy skonczony jest zbiora ∈ A | a ∈M.
Niech teraz M,N b ed a skonczonymi multizbiorami nad N. Piszemy M → N , gdy dlapewnych a,N ′ zachodzi rownosc N = (M − a) ∪ N ′, i przy tym a > b dla wszystkichb ∈ N ′.
Fakt 13.3 Relacja → w zbiorze M wszystkich skonczonych multizbiorow nad N ma w las-nosc silnej normalizacji.
63
Dowod: Przypuscmy, ze mamy nieskonczony ci ag skonczonych multizbiorow
M0 →M1 →M2 → · · ·
i niech k = 1 +maxn | n ∈M0. Nietrudno zauwazyc, ze we wszystkich multizbiorach Mi
wyst epuj a tylko liczby mniejsze od k. Dla kazdego i okreslimy teraz s lowo wi ∈ Nk,przyjmuj ac wi(j) = Mi(k− j − 1), dla j = 0, . . . , k− 1. Inaczej mowi ac, ci ag wi sk lada si ez wypisanych od konca wartosci wszystkich Mi(l) dla l = 0, . . . , k − 1. Na przyk lad, jeslik = 4, oraz Mi = 0, 0, 2, 3, 3, 3, to wi = 〈3, 1, 0, 2〉. Nietrudno zauwazyc, ze wtedy
w0 > w1 > w2 > · · ·
w porz adku leksykograficznym, wi ec z Faktu 13.1 otrzymujemy sprzecznosc.
Wniosek 13.4 ZbiorM wszystkich skonczonych multizbiorow nad N jest dobrze uporz ad-kowany przez relacj e ←←.
Dowod: Z Faktu 13.3 latwo wynika dobre ufundowanie. Sprawdzenie, ze porz adek jestliniowy, pozostawiamy jako cwiczenie.
W lasnosci dobrych porzadkow
Lemat 13.5 Jesli A jest zbiorem dobrze uporz adkowanym, to kazdy w lasciwy odcinekpocz atkowy w A jest postaci OA(x).
Dowod: Niech B b edzie w lasciwym odcinkiem pocz atkowym w A i niech x b edzienajmniejszym elementem zbioru A−B. Wowczas B = OA(x). Rzeczywiscie:
• Jezeli b ∈ B to b < x, bo inaczej x ≤ b i by loby x ∈ B. Zatem b ∈ OA(x).
• Jezeli b ∈ OA(x), to b < x, wi ec b 6∈ A−B, czyli b ∈ B.
Lemat 13.6 Jesli A jest zbiorem dobrze uporz adkowanym, to A nie jest izomorficznyz zadnym swoim w lasciwym odcinkiem pocz atkowym.
Dowod: Przypuscmy, ze to nieprawda i niech x = miny ∈ A | A ≈ OA(y). Niechf : A→ OA(x) b edzie izomorfizmem. Wtedy f obci ete do odcinka OA(x) tez jest izomor-fizmem, a mianowicie izomorfizmem odcinkow OA(x) i OA(f(x)). St ad A ≈ OA(f(x)),a przy tym f(x) < x, co jest sprzeczne z minimalnosci a x.
Mora l: Zadne dwa rozne odcinki pocz atkowe zbioru dobrze uporz adkowanego nie s aizomorficzne.
64
Lemat 13.7 Niech A i B b ed a dobrymi porz adkami i niech
∀x∈A∃y∈B (OA(x) ≈ OB(y)).
Wtedy A jest izomorficzny z pewnym odcinkiem pocz atkowym zbioru B (byc moze niew las-ciwym).
Dowod: Niech Φ = 〈x, y〉 ∈ A×B | OA(x) ≈ OB(y). Udowodnimy, ze dla dowolnych〈x, y〉, 〈x′, y′〉 ∈ Φ zachodzi rownowaznosc:
x < x′ ⇔ y < y′ (*)
(⇒) Przypuscmy, ze x < x′ ale y ≥ y′. Niech f : OA(x) → OB(y) b edzie izomorfizmem.Poniewaz OB(y′) ⊆ OB(y) wi ec odcinek OB(y′) jest izomorficzny z odcinkiem OA(f−1(y′)).Oznacza to jednak, ze OA(x) ≈ OA(f−1(y′)). Ale f−1(y′) < x, bo f−1(y′) ∈ OA(x), wi ecmamy sprzecznosc z Lematem 13.6: zbior OA(x) jest izomorficzny ze swoim w lasciwymodcinkiem pocz atkowym.
Cz esc (⇐) warunku (*) mozna udowodnic podobnie.
Z warunku (*) wynika, ze Φ : A1−1−→ B, i ze A ≈
→Φ (A). Pozostaje zauwazyc, ze
→Φ (A)
jest odcinkiem pocz atkowym w B. Ale jesli y ∈→Φ (A) oraz y′ ≤ y, to odcinek OB(y′)
jest izomorficzny z przeciwobrazem→Φ−1(OB(y′)), ktory jest odcinkiem pocz atkowym w A.
A wi ec y′ ∈→Φ(A) (por. Lemat 13.5).
Twierdzenie 13.8 Jesli A i B s a dobrze uporz adkowane, to jeden z nich jest izomorficznyz odcinkiem pocz atkowym drugiego.
Dowod: Przypuscmy, ze B nie jest izomorficzny z zadnym w lasciwym odcinkiem po-cz atkowym zbioru A. Przez indukcj e ze wzgl edu na uporzadkowanie zbioru A pokazemy:
∀x∈A∃y∈B (OA(x) ≈ OB(y)) (**)
Niech x ∈ A i przypuscmy, ze kazdy odcinek OA(x′), gdzie x′ < x jest izomorficznyz pewnym OB(y′). Z lematu 13.7 wnioskujemy, ze OA(x) jest izomorficzne z pewnymodcinkiem pocz atkowym zbioru B. Nie moze to byc ca ly zbior B, bo za lozylismy, ze B niejest izomorficzny z odcinkami w lasciwymi w A. A zatem OA(x) ≈ OB(y) dla pewnego y.
Stosuj ac jeszcze raz Lemat 13.7 otrzymujemy, ze A jest izomorficzny z jakims odcinkiempocz atkowym zbioru B (mozliwe, ze z ca lym B).
A zatem uporz adkowanie dobre jest poj eciem bardzo jednoznacznym. Dwa dobre porz adkialbo s a izomorficzne, albo jeden z nich jest d luzszy. Innych roznic mi edzy dobrymi porz ad-kami nie ma.
Teraz jeszcze definicja, ktora za chwil e b edzie przydatna.
65
Definicja 13.9 Mowimy, ze element a zbioru dobrze uporz adkowanego jest graniczny ,gdy nie jest bezposrednim nastepnikiem innego elementu. W przeciwnym razie element anazywamy niegranicznym.
Twierdzenie o dobrym uporzadkowaniu
Ponizsze twierdzenie znacznie u latwia dowody wielu faktow, pozwala bowiem na post e-powanie przez indukcj e. Trzeba jednak pami etac o jego niekonstruktywnym charakterze.Wynika z niego np. ze istnieje relacja dobrze porz adkuj aca zbior liczb rzeczywistych, alenie wynika, jaka ta relacja naprawd e jest.
Twierdzenie 13.10 (Zermelo) Kazdy zbior mozna dobrze uporz adkowac.
Dowod: Niech A b edzie dowolnym zbiorem i niech Φ b edzie funkcj a wyboru dla rodzinyP(A)− ∅. Powiemy, ze zbior uporz adkowany 〈D,≤〉 jest fajny , gdy D ⊆ A, oraz
∀x ∈ D (x = Φ(A−OD(x))).
Czesc 1: Pokazemy najpierw, ze jesli 〈D1,≤1〉 i 〈D2,≤2〉 s a fajne, to jeden z nich jest
(dos lownie) odcinkiem pocz atkowym drugiego.
Dla ustalenia uwagi, za lozmy, ze D2 nie jest w lasciwym podzbiorem D1. Przez indukcj e zewzgl edu na porz adek ≤1 dowodzimy, ze dla dowolnego x ∈ D1:
1) x ∈ D2;
2) OD1(x) = OD2(x).
Przypuscmy, ze wszystkie elementy odcinka OD1(x) spe lniaj a powyzsze warunki. Jesli xjest graniczny, to mamy OD1(x) =
⋃OD1(y) | y < x. Z za lozenia indukcyjnego jest to
suma odcinkow poczatkowych w D2, a wi ec OD1(x) tez jest odcinkiem pocz atkowym w D2.Jesli x jest niegraniczny, to mamy natomiast OD1(x) = OD1(x
′)∪x′ = OD2(x′)∪x′, dla
odpowiedniego x′. (Skorzystalismy tu z za lozenia indukcyjnego o x′.) Zbior OD2(x′)∪x′
jest oczywiscie odcinkiem pocz atkowym w D2.
A wi ec OD1(x) w kazdym przypadku jest odcinkiem pocz atkowym w D2. Jest to odcinekw lasciwy (bo inaczej D2 = OD1(x) D1) czyli mamy OD1(x) = OD2(y), dla pewnego y.Ale oba zbiory D1 i D2 s a fajne, wi ec x = Φ(A−OD1(x)) = Φ(A−OD2(y)) = y, a st ad odrazu wynika (1) i (2).
Poniewaz warunki (1) i (2) zachodz a dla wszystkich elementow zbioru D1, wi ec D1 ⊆ D2.Musimy jeszcze sprawdzic, ze D1 jest odcinkiem pocz atkowym w D2. Niech wi ec x ∈ D1
66
oraz y < x i y ∈ D2. Wtedy y ∈ OD2(x) = OD1(x), w szczegolnosci y ∈ D1. To konczycz esc 1 naszego dowodu.
Mora l: Jesli 〈D1,≤D1〉 i 〈D2,≤D2〉 s a fajne, to warunki a ≤D1 b i b ≤D2 a s a rownowazne,jesli tylko a, b ∈ D1 ∩D2.
Czesc 2: Nast epna obserwacja jest taka: suma wszystkich zbiorow fajnych jest fajna.
Niech F oznacza t e sum e. Uporz adkowanie ≤F zbioru F mozna okreslic jako (dos lownie)sum e uporz adkowan wszystkich zbiorow fajnych. Sprawdzmy, czy to jest dobre uporz ad-kowanie.
• Zwrotnosc: Jesli a ∈ F to a ∈ D dla pewnego fajnego 〈D,≤D〉. Wtedy a ≤D a, wi ectakze a ≤F a.
• Antysymetria: Niech a ≤F b i b ≤F a. To znaczy, ze a ≤D1 b i b ≤D2 a, dla pewnychfajnych 〈D1,≤D1〉 i 〈D2,≤D2〉. Ale jeden z tych zbiorow jest odcinkiem pocz atkowymdrugiego, co oznacza, ze tak naprawd e zachodzi tez np. a ≤D2 b. A wi ec a = b.
• Przechodniosc: Niech a ≤F b i b ≤F c. S a wi ec takie fajne porz adki 〈D1,≤D1〉i 〈D2,≤D2〉, ze a ≤D1 b i b ≤D2 c. Jeden z nich (niech b edzie to np. D1) jestodcinkiem pocz atkowym drugiego, mamy wi ec a ≤D2 b i b ≤D2 a, sk ad wnioskujemya ≤D2 c i wreszcie a ≤F c.
• Spojnosc: Niech a, b ∈ F . Wtedy a ∈ D1 i b ∈ D2 dla pewnych fajnych D1 i D2. Jeslina przyk lad D1 ⊆ D2 to elementy a i b s a porownywalne w D2, a wi ec i w F .
• Dobroc: Rozpatrzmy dowolny niepusty podzbior B ⊆ F . Niech a b edzie dowolnymjego elementem i niech D b edzie takim fajnym zbiorem, ze a ∈ D. Podzbior B ∩Dzbioru D jest niepusty, ma wi ec element najmniejszy b. Jest to takze najmniejszyelement zbioru B ze wzgledu na porz adek ≤F . Istotnie, niech c ∈ B. Wtedy alboc ≥F a ≥F b, albo c ≤F a. W tym drugim przypadku c ∈ D, wi ec takze c ≥F b.
Przyjemnosc sprawdzenia, ze porz adek 〈F,≤F 〉 jest fajny, pozostawiamy czytelnikowi.
Czesc 3: Zbior F jest identyczny ze zbiorem A. Rzeczywiscie, przypuscmy, ze F 6= A,
i niech a = Φ(A − F ). Uporz adkowanie zbioru F mozna teraz rozszerzyc do uporz ad-kowania zbioru F1 = F ∪a, przyjmuj ac, ze a jest elementem najwiekszym. Tak uporz ad-kowany zbior F1 jest fajny, ale nie jest zawarty w sumie wszystkich zbiorow fajnych i mamysprzecznosc.
Ostatecznie otrzymujemy, ze 〈A,≤F 〉 jest zbiorem fajnym, w szczegolnosci jest to zbiordobrze uporz adkowany.
Z twierdzenia 13.10 wynika istotna w lasnosc liczb kardynalnych:
67
Wniosek 13.11 Dla dowolnych zbiorow A i B zachodzi A ≤ B lub B ≤ A.
Dowod: Zbiory A i B mozna dobrze uporz adkowac, a wtedy jeden z nich jest izomor-ficzny z odcinkiem pocz atkowym drugiego.
Mozemy teraz udowodnic Twierdzenie 10.13.
Wniosek 13.12 (Lemat Kuratowskiego-Zorna) Niech 〈A,≤〉 b edzie porz adkiem cz es-ciowym, spe lniaj acym nast epuj acy warunek:
Kazdy lancuch ma w A ograniczenie gorne
Wtedy w A istnieje element maksymalny.
Dowod: Niech b edzie relacj a dobrze porz adkuj ac a zbior A. Bez straty ogolnoscimozna za lozyc, ze 〈A,〉 nie ma elementu ostatniego (cwiczenie).
Dla dowolnego a ∈ A okreslimy przez indukcj e pewien zbior La, w ten sposob, ze:
a) La ⊆ x ∈ A | x ≺ a;
b) La jest lancuchem ze wzgl edu na porz adek ≤.
Zak ladaj ac, ze Lb jest juz okreslone dla wszystkich b ≺ a, definiujemy La =⋃ Lb | b ≺ a,
gdy a jest elementem granicznym. Jesli natomiast a jest bezposrednim nastepnikiempewnego b, to przyjmujemy:
La =
Lb ∪ b, jesli Lb ∪ b jest lancuchem; Lb, w przeciwnym przypadku.
Nietrudno sprawdzic, ze warunki (a) i (b) s a spe lnione, i ze suma L =⋃ La | a ∈ A
jest tez lancuchem ze wzgl edu na ≤. Niech c b edzie ograniczeniem gornym lancucha L.Twierdzimy, ze c jest elementem maksymalnym ze wzgl edu na ≤.
Istotnie, jesli c ≤ a, to a jest porownywalne z kazdym elementem zbioru L, tym bardziejz kazdym elementem zbioru La. Wtedy jednak a ∈ Lb, gdzie b jest bezposrednim nast ep-nikiem a ze wzgl edu na. (Taki bezposredni nast epnik istnieje, bo za lozylismy, ze elementuostatniego nie ma.) Ostatecznie wnioskujemy, ze a ∈ L, czyli a ≤ c.
Uwaga*: Dowod lematu Kuratowskiego-Zorna ma charakter niekonstruktywny, tj. nie wskazuje elementumaksymalnego, a jedynie uzasadnia jego istnienie. Dowod ten opiera si e istotnie na pewniku wyboru.Twierdzenie 10.13 jest w istocie rownowazne pewnikowi wyboru.
68
Podziekowania
Za liczne uwagi, ktore pomog ly usun ac z tych notatek rozmaite b l edy, dzi ekuj e PaniKarolinie So ltys oraz Panom: Jaros lawowi Apelskiemu, Lukaszowi Bieniaszowi-Krzywiec,Bartoszowi D abrowskiemu, WoJciechowi Dudkowi, Krzysztofowi Gerasowi, Mackowi Fi-ja lkowskiemu, Mateuszowi Greszcie, Danielowi Hansowi, Szczepanowi Hummelowi, Luka-szowi Kalbarczykowi, Szymonowi Kaminskiemu, Piotrowi Ksi azkowi, Grzegorzowi Lesz-czynskiemu, Aleksandrowi Lewandowskiemu, Karolowi Piotrowskiemu, Krzysztofowi Sa-chanowiczowi, S lawomirowi Sadziakowi, Micha lowi Skrzypczakowi, Marcinowi Sulikowskie-mu, Micha lowi Switakowskiemu, Szymonowi Torunczykowi, Wojciechowi Wisniewskiemu,Maciejowi Zdanowiczowi i dr. S lawomirowi Lasocie.
Ostatnia zmiana 2 stycznia 2008 o godzinie 15: 47.
69
top related